手机借助AI闻“声”辨新冠
据4日在西班牙巴塞罗那举行的欧洲呼吸学会国际会议上公布的一项研究,人工智能(AI)可通过手机应用程序从人们声音中检测出新冠肺炎感染,它比快速抗原测试更准确(达到89%),且更便宜、快速和易于使用。
新冠肺炎感染通常会影响上呼吸道和声带,导致一个人的声音发生变化。荷兰马斯特里赫特大学数据科学研究所研究员瓦法阿·阿尔杰巴维解释说,研究结果表明,简单的语音记录和AI算法能精确确定哪些人感染新冠肺炎,此外,还支持远程虚拟测试,出结果时间不到一分钟。这类测试可用于大型集会的检测点,对人群进行快速筛查。
研究团队使用的数据来自英国剑桥大学的“新冠肺炎声音库”应用程序,该应用程序包含来自4352名健康和非健康参与者的893个音频样本,其中308人的新冠肺炎检测呈阳性。该应用程序安装在用户的手机上,参与者报告关于人口统计、病史和吸烟状况的基本信息,然后被要求记录一些声音,包括咳嗽3次,用嘴巴深呼吸3—5次,以及在屏幕上读一小句话3次。
研究人员使用了一种名为梅尔谱图的语音分析技术,该技术可识别不同的语音特征,如响度、功率和随时间的变化情况。
为了区分新冠肺炎患者和没有患病的人的声音,研究人员建立了不同的AI模型。他们发现,长短期记忆(LSTM)模型在对新冠肺炎病例进行分类方面做得最好。LSTM基于神经网络,它模仿人脑的运作方式并识别数据中的潜在关系。它还能将数据存储在内存中。
这种AI-LSTM模型的总体准确率为89%,正确检测阳性病例的能力(真阳性率或敏感性)为89%,正确识别阴性病例的能力(真阴性率或特异度)为83%。
研究人员表示,快速抗原测试的灵敏度只有56%,但特异度高达99.5%。这意味着快速抗原测试错误地将阳性感染者归为阴性的人比此次测试中归类的更多。使用AI-LSTM模型,研究人员在100例继续传播病毒的病例中漏掉11例,而快速抗原测试漏掉了44例。实习记者张佳欣
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击