粪便论文:使用机器学习检测腹泻

霍乱是一种引起腹泻的细菌性疾病，每年影响数百万人，导致约15万人死亡。确定这种疫情可能的集体疾病传播将及早提醒卫生专业人员，并改善资源和援助的分配。然而，由于显而易见的原因，监测这种和其他肠道疾病是一个敏感的问题。

乔治亚理工学院的Maia Gatlin在她的演讲“粪便论文:使用机器学习检测腹泻”中，将描述非侵入性麦克风传感器如何在不收集任何可识别信息的情况下识别肠道疾病。的演讲作为12月5日至9日在纳什维尔君悦酒店举行的第183届美国声学学会会议的一部分，该会议将于12月5日举行。

加特林和她的团队测试了这项技术音频数据从网上来源。排泄事件的每个音频样本都被转换成频谱图，基本上就是在图像中捕捉声音。不同的事件在音频和频谱图中产生不同的特征。例如，排尿的音调是一致的，而排便的音调可能是单一的。相比之下，腹泻更随机。

光谱图图像被输入到机器学习算法中，该算法学会了根据每个事件的特征对其进行分类。该算法的性能针对有背景噪声和没有背景噪声的数据进行了测试，以确保无论传感器的环境如何，它都能学习正确的声音特征。

“我们希望这种传感器占地面积小，而且是非侵入性的，可以部署在需要帮助的地区霍乱暴发是一个持续的风险，”加特林说。这种传感器也可以用于灾区水污染导致水传播病原体)，甚至在护理/临终关怀设施中自动监测患者的肠道运动。也许有一天，我们的算法可以与现有的家庭智能设备一起使用，监测自己的排便和健康状况。”

在未来，加特林和她的同事们计划收集真实世界的声学数据，这样他们的机器学习模型就可以适应各种浴室环境。