智能诊断:人工智能技术能听到COVID咳嗽
检测的主要推进COVID-19从人们咳嗽铺平了道路的新一代诊断手机应用程序。
澳大利亚皇家墨尔本理工大学的新计算机科学家的研究,揭示了一个人工智能模型,可以听到COVID的影响在强制的声音咳嗽,甚至当人们无症状。
研究作者与进一步发展豪薛博士说,他们的算法可能权力诊断手机应用。
“我们克服的一个主要障碍发展的一个可靠的、易得的和非接触式COVID-19初步诊断工具,”雪说,皇家墨尔本理工学院的研究员在计算机技术。
“这可能减缓病毒的蔓延,有很大的益处的人没有明显的症状。
“一个手机应用程序能给你心灵的平静在社区暴发或提示您寻求COVID测试,是一种创新的工具,我们需要更好地管理这个大流行。
”也可能造成严重影响的地区,医疗用品,测试专家和个人防护设备是有限的。”
薛说,也可以扩展为其他方法呼吸系统疾病。
”,只是一个小的调整和合适的数据,我们可以使用这个测试结核病或其他呼吸道疾病,甚至设计结合multi-diseases检测或分类系统”。
一个重大进步在人工智能训练
这已经不是第一COVID咳嗽分类算法开发,但RMIT模型优于现有方法和另一个主要优势,使得它更实际的使用在不同的地区学习。
研究的合著者植物萨利姆教授说以前曾试图发展这种类型的技术,像那些在麻省理工学院和剑桥,依靠大量的meticulously-labeled数据来训练人工智能系统。
“呼吸声音的注释需要特定的专家的知识,使它昂贵和耗时的,和涉及处理敏感的健康信息,”她说。
“使用针对数据集(如咳嗽一个医院或一个地区的样本训练算法也限制了其性能外设置。”
萨利姆说这是这个限制已经证明一个挑战这一技术的实际应用在现实世界中,直到现在。
“关于我们的工作最令人兴奋的是我们已经克服了这个问题通过开发一个方法来训练算法利用未标记的咳嗽声音数据,”她说。
“这可以相对容易获得,在来自不同国家的规模较大,年龄和性别。”
在大流行期间,许多众包平台设计收集呼吸声音音频从健康和COVID-19积极组织为研究目的。
这些平台的团队访问数据集从两个-COVID-19声音的应用和COSWARA——使用对比self-supervised学习训练算法,方法系统独立编码的运作使相似或不同的两件事。
团队是开放与潜在合作伙伴合作开发的技术和扩大其应用范围的呼吸诊断工具。
“COVID-19咳嗽分类探索Self-Supervised表示集合体”是在数据科学会议上提出了知识发现(KDD) 2021年在新加坡,8月14 - 18。
