[VOTE versus ACLTE: comparison of two snoring noise classifications using machine learning methods].

Journal: HNO
PMID: 31190193

Abstract

BACKGROUND: Acoustic snoring sound analysis is a noninvasive method for diagnosis of the mechanical mechanisms causing snoring that can be performed during natural sleep. The objective of this work is development and evaluation of classification schemes for snoring sounds that can provide meaningful diagnostic support.

Authors

  • C Janott
    Munich School of BioEngineering, Technische Universität München, Boltzmannstraße 11, 85748, Garching, Deutschland. c.janott@gmx.net.
  • M Schmitt
    ZD.B Lehrstuhl für Embedded Intelligence for Health Care and Wellbeing, Universität Augsburg, Augsburg, Deutschland.
  • C Heiser
    Hals-Nasen-Ohrenklinik und Poliklinik, Klinikum rechts der Isar, Technische Universität München, München, Deutschland.
  • W Hohenhorst
    Klinik für HNO-Heilkunde, Kopf- und Hals-Chirurgie, Alfried Krupp Krankenhaus, Essen, Deutschland.
  • M Herzog
    Klinik für HNO-Krankheiten, Kopf- und Halschirurgie, Carl-Thiem-Klinikum Cottbus, Cottbus, Deutschland.
  • M Carrasco Llatas
    Servicio de Otorrinolaringología, Hospital Universitario Doctor Peset, Valencia, Spanien.
  • W Hemmert
    Munich School of BioEngineering, Technische Universität München, Boltzmannstraße 11, 85748, Garching, Deutschland.
  • B Schuller
    ZD.B Lehrstuhl für Embedded Intelligence for Health Care and Wellbeing, Universität Augsburg, Augsburg, Deutschland.

Keywords

External Resources

Popular Topics
Recent Journals