人工智能模型通过手机记录的咳嗽检测无症状Covid-19感染
根据定义，无症状感染者没有明显的身体症状。因此，他们不太可能寻求病毒检测，并可能在不知情的情况下将感染传播给他人。
但似乎那些无症状的人可能并不完全没有因病毒造成的变化。麻省理工学院研究人员现在发现，无症状的人可能与他们咳嗽的方式不同。这些差异不可破坏到人耳。但事实证明，他们可以通过人工智能挑选。
在最近发表的论文中IEEE工程学报在医学和生物学中，团队向AI报告模型通过强制咳嗽记录，将无症状者与健康者区分开来，这些记录是人们通过网络浏览器和手机、笔记本电脑等设备自愿提交的。
研究人员培训了数万种咳嗽样本的模型，以及口语。当他们喂养新的咳嗽记录时，它准确地确定了被证实有Covid-19的人的98.5％的咳嗽，其中来自厌恶症的100％咳嗽 - 谁报道他们没有症状，但已经对病毒进行了阳性。
该团队正在努力将模型纳入用户友好的应用程序，如果FDA批准和在大规模采用的情况下采用，可能是一个免费，方便的无创妊娠工具，以确定可能对Covid-19无症状的人。。用户可以每天登录，咳嗽到手机中，并立即获取有关它们是否可能被感染的信息，因此应通过正式测试确认。
“本集团诊断工具的有效实施可以减少大流行病的传播如果每个人都在进行课堂，工厂或一家餐馆之前，”麻省理工学院自动ID实验室的研究科学家联合作用Brian Subirana表示。
苏比拉纳的合著者是麻省理工学院自动识别实验室的乔迪·拉瓜尔塔和费兰·韦托。
声音情绪
在大流行病之前，研究组已经一直在咳嗽的手机录制训练算法，以准确地诊断肺炎和哮喘等条件。在类似的方式，麻省理工学院团队正在开发AI模型，以分析强制咳嗽记录，看看它们是否可以检测到阿尔茨海默氏症的迹象，不仅与记忆下降相关的疾病，还有神经肌肉降解，如弱化声带。
他们首先训练了一种通用的机器学习算法神经网络，称为Reset50，以区分与不同程度的声带强度相关的声音。研究表明，声音的质量“MMMM”可以表明一个人的声带有多弱或强大。Subirana在具有超过1000小时的演讲的Audiobook DataSet上培训了神经网络，从其他单词中挑出“它们”的单词，例如“the”和“那样”。
该团队培训了第二次神经网络，以区分情绪状态在演讲中显而易见，因为阿尔茨海默氏症的患者和神经系统衰退的人更普遍地显示出令人沮丧，或者具有平坦的影响，比他们表达幸福更频繁地表现出某些情感或平静。研究人员通过在语调情绪状态的演员的大型数据集上培训了一种情绪语音分类器模型，例如中立，平静，快乐和悲伤。
然后，研究人员在咳嗽的数据库上培训了第三神经网络，以便辨别肺和呼吸性能的变化。
最后，团队结合了所有三种模型，并覆盖了一种算法来检测肌肉降级。该算法基本上模拟了音频掩模或噪声层，以及区分强烈的咳嗽 - 那些可以通过噪声越弱的咳嗽。
有了新的人工智能框架，该团队输入了包括阿尔茨海默氏症患者在内的录音，并发现它可以比现有模型更好地识别阿尔茨海默氏症样本。结果表明，声带强度、情绪、肺和呼吸性能以及肌肉退化是诊断该疾病的有效生物标志物。
当新冠病毒随着大流行开始展开，Subirana想知道他们的阿尔茨海默氏症人工智能框架是否也可以用于诊断COVID-19，因为越来越多的证据表明，受感染的患者经历了一些类似的神经症状，如暂时性神经肌肉损伤。
“谈话和咳嗽的声音都受到了影响的影响声带和周围的器官。这意味着当你说话时，你说话的一部分就像咳嗽，反之亦然。这也意味着，我们很容易从流利的语言中获取信息，人工智能可以简单地从咳嗽中获取，包括人的性别、母语，甚至情绪状态。事实上，你的咳嗽方式中蕴含着情绪，”苏比拉纳说。“所以我们想，为什么我们不试试这些阿尔茨海默氏症的生物标志物，看看它们是否与COVID有关。”
“惊人的相似”
4月，该团队列出了收集尽可能多的咳嗽录音，包括来自Covid-19患者的咳嗽。他们建立了一个人们可以通过手机或其他支持Web的设备录制一系列咳嗽的网站。参与者还填写了对他们正在经历的症状的调查，无论他们是否有Covid-19，以及他们是否被官方考试诊断，通过医生对其症状的评估，或者他们是自我诊断的。他们还可以注意到他们的性别，地理位置和母语。
迄今为止，研究人员收集了超过70,000个录音，每个录音都包含几个咳嗽，达到了大约200,000个强制咳嗽音频样本，亚马亚拉那说是“我们所知道的最大的研究咳嗽数据集。”被证实有Covid-19的人提交了大约2,500张录音，包括那些无症状的人。
该团队使用了2500份与新冠肺炎相关的录音资料，以及从收集的资料中随机选择的2500多份录音资料，以平衡数据集。他们使用了4000个样本来训练人工智能模型。然后将剩下的1000段录音输入该模型，看它能否准确地分辨出COVID - 19患者和健康个体的咳嗽。
令人惊讶的是，随着研究人员在论文中写下，他们的努力已经揭示了“阿尔茨海默氏症和Covid歧视之间的醒目相似之处”。
他们发现，在没有对最初用于治疗阿尔茨海默氏症的人工智能框架进行太多调整的情况下，人工智能能够识别出COVID-19特有的四种生物标志物的模式——声带强度、情绪、肺和呼吸性能以及肌肉退化。该模型识别了98.5%的COVID-19确诊患者的咳嗽，其中，它准确检测出了所有无症状咳嗽。
“我们认为这表明你产生了声音的方式，当你有Covid时改变，即使你是无聊的，”亚地点也说。
无症状症状
AI模型，子半压力，并不意味着诊断症状人的人，以及他们的症状是否是由于Covid-19或流感或哮喘等其他条件。该工具的实力在于能够从健康咳嗽中辨别无症状咳嗽。
该团队正在与公司合作，以基于其AI模型开发免费的预筛分应用程序。他们也与世界各地的几家医院合作，收集更大，更多样化的一套咳嗽录音，这将有助于训练和加强模型的准确性。
正如他们在纸纸上提出的那样，如果在背景中始终处于筛选工具并且不断提高，则Pandemics可能是过去的事情。“
最终，他们设想了他们开发的音频AI模型可以纳入智能扬声器和其他聆听设备，以便人们可以方便地对其疾病风险进行初步评估，也许每天都可以进行疾病风险。
用户评论