人工智能模型通过手机咳嗽检测无症状感染者
![MIT researchers have found that people who are asymptomatic for COVID-19 may differ from healthy individuals in the way that they cough. These differences are not decipherable to the human ear. But it turns out that they can be picked up by artificial intelligence. Credit: Christine Daniloff, MIT 人工智能模型通过手机咳嗽检测新型冠状病毒无症状感染者](https://scx1.b-cdn.net/csz/news/800a/2020/53-artificialin.jpg)
通过定义,患有Covid-19的无症状的人感染Covid-19表现,该疾病的身体症状没有可辨别的身体症状。因此,它们不太可能寻求对病毒的测试,并且可能在不知不觉中传播对他人的感染。
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。这些差别是人耳无法辨别的。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《医学与生物学》杂志上,该团队报告了人工智能模型通过强制咳嗽记录将来自健康人员的无症状人员区分开,人们通过Web浏览器和设备(如手机和笔记本电脑)自愿提交。
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。
Subirana的共同作者是麻省理工学院自动ID实验室的Jordi Laguarta和Ferran Hueto。
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。
他们首先训练了一般的机器学习算法,或者神经网络,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”。
该团队训练了第二个神经网络来区分言语中明显的情绪状态,因为阿尔茨海默氏症患者——以及更普遍的神经功能下降的人——已经被证明会表现出某种情绪,比如沮丧,或情绪平淡,比他们表达快乐或平静的频率更高。研究人员开发了一个情感语音分类器模型,通过在一个演员的大数据集上训练它来表达情绪状态,比如中性、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,该团队结合了所有三个模型,并覆盖了一种检测肌肉退化的算法。该算法通过模拟音频掩模或噪声层来做到这一点,并在较弱的咳嗽声中区分出强烈的咳嗽声——可以在噪声中听到的咳嗽声。
通过新的AI框架,团队在录音中喂养,包括阿尔茨海默氏症的患者,并发现它可以比现有模型更好地识别阿尔茨海默的样品。结果表明,在一起,声带强度,情绪,肺和呼吸性能以及肌肉降解是用于诊断疾病的有效生物标志物。
当。。。的时候新冠病毒大流行开始展开,Subirana想知道他们对阿尔茨海默氏症的AI框架也可能用于诊断Covid-19,因为有感染的患者经历了一些类似的神经肌肉损伤等类似的神经症状的证据。
“说话和咳嗽的声音都受到声带周围的器官。这意味着当你说话时,你的谈话的一部分就像咳嗽一样,反之亦然。这也意味着我们容易获得流利的言论,Ai可以简单地从咳嗽中拿起,包括像这个人的性别,母语,甚至情绪状态一样的东西。事实上,嵌入了你如何咳嗽的情绪,“亚地点说。”所以我们想,为什么我们不尝试这些阿尔茨海默氏症的生物标志物[看他们是否相关]。“
“一个引人注目的相似之处”
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。
到目前为止,研究人员已经收集了超过7万份录音,每一份都包含了几次咳嗽,总计约20万份强迫咳嗽的音频样本。苏比拉纳说,这是“我们所知道的最大的研究咳嗽数据集。”包括无症状感染者在内的确诊COVID-19患者提交了约2500份录音。
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,正如研究人员在论文中所写,他们的努力揭示了“阿尔茨海默病和COVID - 19歧视之间惊人的相似性”。
在AI框架内没有多少调整,最初是为了阿尔茨海默氏症的,他们发现它能够在四个生物标志物强度,情绪,肺和呼吸性能和肌肉降解中拾取模式 - 特定于Covid-19。该模型确定了从Covid-19确认的人员的98.5%的咳嗽,并准确地检测到所有无症状咳嗽。
苏比拉纳说:“我们认为,这表明当你患有冠状病毒时,即使你没有症状,你发出声音的方式也会改变。”
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。
该团队正与一家公司合作,基于他们的人工智能模型开发一款免费的预筛选应用程序。他们还与世界各地的几家医院合作,收集更大、更多样化的样本咳嗽录音,这将有助于培训和加强模型的准确性。
正如他们在论文中提出的,“如果预先筛查工具一直在后台运行并不断改进,大流行可能会成为过去。”
最终,他们设想,像他们开发的这种音频人工智能模型可能会被整合到智能扬声器和其他收听设备中,这样人们就可以方便地获得自己的疾病风险的初步评估,或许可以每天进行。
用户评论