VOTE versus ACLTE: Vergleich zweier Schnarchgeräuschklassifikationen mit Methoden des maschinellen Lernens

Die akustische Analyse von Schnarchgerauschen ist eine nichtinvasive Methode fur die Diagnose von Entstehungsmechanismen des Schnarchens, die wahrend des naturlichen Schlafs durchgefuhrt werden kann. Ziel der Arbeit ist die Entwicklung und Bewertung von Klassifikationsschemata fur Schnarchgerausche, die eine moglichst aussagekraftige Diagnoseunterstutzung ermoglichen. Basierend auf 2 annotierten Schnarchgerauschdatenbanken mit unterschiedlicher Klassifikation (s-VOTE – 4 Klassen versus ACLTE – 5 Klassen) wurden identisch aufgebaute maschinelle Klassifikationssysteme trainiert. Der Merkmalsextraktor openSMILE wurde in Kombination mit einer linearen Support-Vektor-Maschine zur Klassifikation eingesetzt. Mit einem ungewichteten Average Recall (UAR) von 55,4 % fur das s‑VOTE-Modell und 49,1 % fur das ACLTE liegen die Ergebnisse auf ahnlichem Niveau. In beiden Modellen gelingt die beste Differenzierung fur Epiglottisschnarchen, wahrend velares und oropharyngeales Schnarchen haufiger verwechselt werden. Automatisierte akustische Verfahren konnen bei der Diagnose von Schlafatmungsstorungen unterstutzen. Einschrankungen in der Erkennungsleistung sind u. a. durch die begrenzte Grose der Trainingsdatensatze bedingt.