|
|
后疫情时期，无症状感染者正成为疫情复发最大的要挟。没有任何胸闷发烧症状，你和同伴可能很难区别是不是感染了新冠。
但人工智能能够，只有你给TA听听你的咳嗽声。
在比来颁发在《IEEE医学与生物学工程学杂志》上的一篇论文中，麻省理工学院的钻研人员表现，他们曾经开收回能够辨认COVID-19感染者咳嗽声的AI。
论文地址：
https://www.embs.org/ojemb/artic ... y-cough-recordings/
据论文显示，钻研小组开发了一种AI模型，该模型经过剖析你的咳嗽录音，能够将无症状感染者与安康的人区别开来。一切人均可以经过网络阅读器以及手机和条记本电脑等装备被迫提交的录音。
钻研人员称，该模型由他们始终以来进行的“咳嗽检测阿尔兹海默初期症状”演化而来，疫情以来，钻研者经过“网络众筹”的形式，曾经在寰球搜集了20多万的咳嗽样本，建设了有史以来最大的“咳嗽数据库”。
经过这些咳嗽样本和录入的相干感染、性别、情绪数据，对该模型进行了声响训练。
目前，该模型辨认出确诊为Covid-19的人的咳嗽的精确率为98.5％，其中，利用咳嗽声辨认无症状感染者的精确度高达100％。
麻省理工的钻研小组正在致力将该模型整合到一个用户敌对的运用顺序中，假如获取FDA的批准并被大范围采取，该顺序将有可能成为一种收费、便捷、无创的预筛查工具，以辨认可能对Covid-19无症状的人。
用户能够天天登录，录下咳嗽声到他们的手机中，并当即获取无关他们是不是可能被感染的信息。
麻省理工学院自动辨认试验室的钻研迷信家布莱恩·苏比拉纳（Brian Subirana）与麻省理工学院自动ID试验室的Jordi Laguarta和Ferran Hueto联结实现了这项钻研。
从阿兹海默症检测到新冠检测
其实这项算法并不是为新冠定制。
早在疫情发作以前，这个钻研小组曾经在咳嗽的手机录音中训练算法，以精确诊断肺炎和哮喘等疾病。麻省理工学院的团队正在以相似的形式开发AI模型，以剖析强制咳嗽记载，以查看它们是不是能够检测出阿尔茨海默氏症的体征，这类疾病不只与记忆力降落无关，并且还与神经肌肉退步（如声带削弱）无关。
他们首先训练了一种通用的机器学习算法或称为ResNet50的神经网络，以区别与不同声带强度相干的声响。钻研标明，声响“ 妹妹妹妹”的品质能够标明一集体的声带有多弱。Subirana在包孕了1000多个小时语音的有声读物数据集上训练了神经网络，以从“ the”和“ then”等其余词中挑拣出“ them”一词。
该小组训练了第二个神经网络来区别语言中显著的情绪形态，由于已证实阿尔茨海默氏症患者以及神经零碎较弱的人表示出某些情绪，例如懊丧或平铺直叙，比他们表白高兴仍是冷静的情绪更高。
钻研人员经过在大型演员数据集上训练情绪情感分类器（例如中性，安静，高兴和哀痛）来开发情绪语音分类器模型。
而后，钻研人员在咳嗽数据库上训练了第三个神经网络，以鉴别肺和呼吸功用的变动。
最初，该团队将这三个模型结合在一同，并叠加了一种算法来检测肌肉退步。该算法经过本质上摹拟音频蒙版或噪声层，并区别强咳嗽（经过噪声能够听到的咳嗽）与较弱的咳嗽，来做到这一点。
经过新的AI框架，该团队提供了包罗阿尔茨海默氏症患者在内的音频记载，发现与现有模型比拟，它能够更好地辨认阿尔茨海默氏症的样本。
后果标明，声带强度、情绪、肺和呼吸功用以及肌肉退步是诊断该疾病的无效生物标记物。
当冠状病毒大盛行开始蔓延时，Subirana想知道他们针对阿尔茨海默氏症的AI框架是不是也能够用于诊断Covid-19，由于愈来愈多的证据标明感染的患者会阅历一些相似的神经零碎症状，例如临时性神经肌肉损伤。
“谈话和咳嗽的声响都遭到声带和四周器官的影响。这象征着当讲话时，部份讲话就像是咳嗽，反之亦然。这也象征着咱们很容易从流畅的语言中衍生出一些货色，人工智能能够简略地从咳嗽中发现一些信息，包罗人的性别、母语乃至情绪形态。实际上，您的咳嗽中蕴含着情感。” Subirana说。
“所以咱们以为，为何咱们不尝摸索究这些阿兹海默症的生物标记物（以及看它们是不是与Covid相干）”。
20万+咳嗽样本，已知最大的咳嗽钻研数据集
在4月，钻研小组着手采集尽量多的咳嗽记载，包罗来自Covid-19患者的咳嗽记载。
他们建设了一个网站，人们能够经过手机或其余反对网络的装备记载一系列咳嗽。参预者还填写了他们正在阅历的症状的考察表，无论他们是不是得了患上Covid-19，是不是经过民间测试，经过医生对其症状的评价或是不是通过自我诊断而失掉了诊断。他们还能够记载本人的性别，地舆地位和母语。
迄今为止，钻研人员曾经采集了70,000多条录音，每条录音包孕多个咳嗽声，共计约200,000咳嗽音频样本，Subirana说这是“已知最大的咳嗽钻研数据集”。确认得了患上Covid-19的人（包罗无症状的人）提交了大约2500份录音。
该团队使用了2,500个与Covid相干的记载，以及他们从聚拢中随机选择的此外2500个记载来均衡数据集。他们使用了4,000个样原本训练AI模型。而后将其他的1,000个记载输出模型中，以查看它能否精确区别出Covid患者和安康个体的咳嗽。
使人诧异的是，正如钻研人员在论文中所写的那样，他们的致力暴-露了“阿尔茨海默氏症和新冠咳嗽算法之间惊人的类似的地方”。
他们发现，在本来用于阿尔茨海默氏症的AI框架内无需进行少量调剂，他们就可以找到针对Covid-19的四种生物标记物的模式-声带强度、情绪、肺和呼吸功用以及肌肉退步。该模型从Covid-19确诊的人中辨认出98.5％的咳嗽，并精确地检测到了一切无症状的咳嗽。
Subirana说：“咱们以为这标明，即便您没有症状，当您具有Covid时，您发生声响的形式也会改动。”
100%检测到无症状感染者
Subirana强调，这类AI模型的劣势不在于检测有症状的新冠患者，不论他们的症状是因为Covid-19仍是其余症状（如流感或哮喘）惹起的。该工具的劣势在于它可以分辨无症状新冠感染者的咳嗽和安康的咳嗽。
MIT的团队正在与一家公司协作，按照他们的AI模型开发收费的预检运用顺序。他们还与世界各地的多家病院协作，采集更大，更多样化的咳嗽记载集，这将有助于训练和加强模型的精确性。
正如他们在论文中提出的那样，“假如预筛查工具一直在后盾而且不停改进，那末众多症就可能成为过来。”
终究，他们构想能够将他们开发的音频AI模型集成到智能扬声器和其余听音装备中，以便人们能够便利地（或许天天）对他们的疾病危险进行初步评价。
相干链接：
https://news.mit.edu/2020/covid-19-cough-cellphone-detection-1029
https://techcrunch.com/2020/10/3 ... ystem-for-covid-19/
https://www.engadget.com/ai-covi ... ings-213858299.html
|
|
论坛元老