找回密码
 立即注册
科技快报网 首页 科技快报 快报 查看内容
鸿蒙5终端突破2000万!超百家伙伴齐贺,近20家伙伴携手带来“鸿蒙有礼特别版”数字人惊艳2025云栖大会!NuwaAI开创“真人+数字人”搭档协作新模式腕上米兰时装周惠聚京东 时尚智能手表享国补再叠12期免息猛士M817 Max+版新款上市,如何用“超200km纯电续航+顶级智驾”构建代差级领先?科脉云帆OS平台:以产品力重构零售结算生态从3G、4G到5G,高通孟樸回顾携手中国伙伴30年发展历程长城汽车魏建军:反对内卷和过度夸张营销,高管在发布会上若过度夸张宣传,回来受处分从“人找信息”到“信息追人”:鸿蒙5实况窗让出行“一眼安心”国庆宅家新潮流,让小艺当你的贴心家教与专属摄影师工博会技术深观察:加特兰如何用感知通信融合破解辅助驾驶难题当可以“玩”的电子家具成为情绪充电站,情绪经济推动下的产品变革为放心消费加码!箭牌瓷砖主编《佛山陶瓷放心消费品牌规范》英特尔联动「扣子 AI 工坊」启动高校计划——让校园创意一键开挂从优篮子到 JOBY:唯迹科技的全球化成长之路哈曼携手高通,助推汽车生成式AI跃迁华为坤灵发布IdeaHub千行百业体验官计划,助力中小企业跃升智能化天玑9500征服《崩坏:星穹铁道》,实测57.64FPS,功耗6W出头哈曼完成对 Sound United收购,强化高端音频领域领导地位戴尔科技:从“模型驱动”到“数据驱动”,重塑企业智能化转型新范式企业新型生产力平台ZENAVA正式发布,AI员工全面落地客服与营销场景

咳嗽声诊断新冠肺炎无症状感染者:准确率达100%

2020-11-05 19:04:09 来自: 快科技

有数据显示,世界50%新冠(COVID-19)病例由无症状感染者传染。

无发烧、乏力、头晕等明显特征的无症状感染者,已在不知不觉中成为新冠病毒传播和复发的最大威胁。

近日,麻省理工学院(MIT)研究团队声称其利用AI开发了一种无症状感染检测新方法。有意思的是,该方法利用的是人的生物特征——咳嗽声。

他们发现,无症状感染者发出的咳嗽声与健康人存在不同,其中细微的差别人耳很难分辨,但AI可以。

在最近发表在《IEEE医学与生物工程学杂志》上的一篇论文中,MIT研究人员明确表示,他们已经开发出一种能够识别COVID-19咳嗽声的AI。

这种AI算法已通过迄今为止最大的咳嗽数据集测试,无症状感染者的诊断准确率可达到100%。

目前,MIT研究团队已经与一家企业展开合作,计划将该AI算法整合到手机应用程序中。项目负责人布莱恩·苏比拉纳(Brian Subirana)表示:

如果每个人在去教室,工厂或餐厅之前都使用该AI诊断工具,将会有效减少新冠大流行的传播。”

据悉,该项研究成果也同步提交到了FDA和其他监管机构,如获得批准,COVID-19咳嗽应用程序将免费用于大规模人群筛查。

利用“咳嗽声”诊断疾病

人耳能够分辨出五到十种不同的咳嗽特征,但通过机器学习和信号处理,AI能够识别300多种。

在医学领域,AI识别咳嗽声已用于多项疾病检测任务,比如AI检测肺炎、哮喘或者神经肌肉疾病等。

如Subirana所说,“说话和咳嗽的声音都受到声带和周围器官的影响。 这也意味着,我们可以从声音中获取有关体内器官的信息,而AI恰好可以做到这一点。”

因此,在疫情爆发之前,MIT研究团队已经在尝试利用AI辨“音”来诊断阿尔茨海默症(AD)早期的患者。

需要注意的是,正是通过这项研究,研究人员发现了识别COVID-19无症状感染者的可能性,并提供了AI算法支持。

阿尔茨海默病是一种神经系统退行性疾病,不仅与记忆力衰退有关,还与声带减弱等神经肌肉退化有关。因此,研究人员开发了一种通用的机器学习算法(或称为ResNet50的神经网络),来区分与不同声带强度所产生的声音。 

具体来说,他们训练了三个神经网络模型。第一个神经网络代表一个人声带的强弱,利用有声读物数据集(含1000h语音)进行训练;第二神经网络用来区分言语中的情绪状态。

据了解,AD患者的神经功能衰退较一般人更为普遍,经常会表现出沮丧、悲伤等负面情绪。因此,研究人员利用演员表达不同情绪的大型语音数据集,开发了情绪语音分类器。第三个神经网络在自建的咳嗽数据集上训练,用来辨别肺和呼吸功能的变化。

最后将三种模型结合起来,形成了一个用于检测肌肉退化的AI框架。研究人员经过检测发现,基于声带强度、情绪、肺和呼吸功能等生物特征,该AI能够准确识别出AD患者。

基于此,当冠状大流行开始蔓延后,Subirana开始思考是否可以利用AI诊断COVID-19,因为已经有证据表明,新冠感染患者会发生一些类似的神经系统症状,比如,暂时性神经肌肉损伤。

后来,Subirana在COVID-19咳嗽数据集上训练了阿尔茨海默氏病AI模型,结果取得了惊人的发现。该AI模型不仅可以高精度识别出新冠感染患者,而且无症状感染者的准确率更高。

无症状感染者识别率100%

AI模型和数据集是决定疾病诊断准确率的两项关键指标。

今年4月,MIT研究人员建立了一个公开咳嗽数据收集网站,允许所有人通过网络浏览器、手机或者笔记本电脑等设备自愿提交咳嗽录音。


网站地址:https://opensigma.mit.edu/

截止测试前,该网站收集了超过7万个录音,每段录音中有几次咳嗽,约有20万份咳嗽音频样本。其中,2500多个样本是由已经确诊患者提交的,包括那些无症状感染者。             

Subirana称:“在医疗领域,这是迄今为止最大的咳嗽数据集。”

实验中,研究人员使用2500个感染患者的音频样本,以及另外2500个随机样本,对AI模型进行训练。然后利用其余的1000张录音作为检测数据,来查看它是否能准确地辨别出COVID-19患者和健康人的咳嗽。   

在模型方面,采用的仍然是阿尔茨海默氏症AI模型,并且同样以声带强度、情绪、肺和呼吸四项生物特征作为诊断COVID-19感染患者的标准。

在该模型内部,咳嗽音频通过梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient)进行转换,并输入到基于卷积神经网络(CNN)的AI架构中,如上文所说,该AI架构由生物特征层和3个并行的ResNet50神经网络构成。最终会输出二进制形式的预筛查诊断结果。

基于以上两个方面,研究人员对其进行了测试,结果发现AI模型识别COVID-19患者的准确率为98.5%,无症状感染者的准确率为100%。


论文地址:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9208795

这一结果表明,COVID-19的患者即时没有明显症状,其声音也会发生明显的变化。同时,该AI模型可以通过这一变化有效地识别出无症状感染者。

据了解,MIT的团队已经在考虑与相关企业合作将该AI模型整合到手机应用程序中,以便人们可以方便地对疾病风险进行初步评估。

与此同时,研究人员也开始与世界各地的多家医院合作,以收集更大,更多样化的咳嗽记录集,这将有助于训练和增强AI模型的准确性。 

不过,需要强调的是,该AI模型的优势不在于检测有症状的新冠患者。

这一点Subirana在论文中也明确强调。他说,不管他们的症状是由COVID-19还是其他症状(如流感或哮喘)引起的。该工具的优势在于它能够分辨无症状感染者的咳嗽和健康人的咳嗽。

  免责声明:本网站内容由网友自行在页面发布,上传者应自行负责所上传内容涉及的法律责任,本网站对内容真实性、版权等概不负责,亦不承担任何法律责任。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。

发布者:科技快报网

相关阅读

微信公众号
意见反馈 科技快报网微信公众号