日前在醫(yī)學與生物工程雜志(IEEE Open Journal of Engineering in Medicine and Biology)有一篇預發(fā)布研究論文：
COVID-19 Artificial Intelligence Diagnosis using only Cough Recordings?報道了麻省理工學院（MIT）研究團隊利用AI開發(fā)了一種無癥狀感染檢測新方法。該方法檢測你是否患有新冠病毒，只需要你咳嗽一聲。

論文網(wǎng)址：

https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9208795

基于人工神經(jīng)網(wǎng)絡算法，在他們自行建立的迄今為止最大的咳嗽數(shù)據(jù)集測試，對于無癥狀感染者的診斷準確率可達到100%。

MIT研究團隊已經(jīng)與一家企業(yè)展開合作，計劃將該AI算法整合到手機應用程序中。項目負責人布萊恩·蘇比拉納（Brian Subirana）表示：

如果每個人在去教室，工廠或餐廳之前都使用該AI診斷工具，將會有效減少新冠大流行的傳播?！?/span>

為了提高新冠肺炎檢測的準確率，需要選擇好的AI模型以及搜集用于訓練模型的大量數(shù)據(jù)。為此，從今年4月MIM研究人員就建立了一個公開的咳嗽手機網(wǎng)站。允許所有人通過網(wǎng)絡瀏覽器、手機或者筆記本電腦等設備自愿提交咳嗽錄音。

網(wǎng)站地址：https://opensigma.mit.edu/

截止測試前，該網(wǎng)站收集了超過7萬個錄音，每段錄音中有幾次咳嗽，約有20萬份咳嗽音頻樣本。其中，2500多個樣本是由已經(jīng)確診患者提交的，包括那些無癥狀感染者。

Subirana稱：“在醫(yī)療領域，這是迄今為止最大的咳嗽數(shù)據(jù)集”。

在選擇合適的AI模型上，MIT研究團隊利用了他們在利用聲音辨別阿川茲海默癥（AD）早期患者的經(jīng)驗，設計了一個集成有三個模型的神經(jīng)網(wǎng)絡結構。下圖來自他們論文中的對于網(wǎng)絡結構的示意圖，其中醬紅色部分顯示了三個神經(jīng)網(wǎng)絡模型組成。

第一個神經(jīng)網(wǎng)絡代表一個人聲帶的強弱，利用有聲讀物數(shù)據(jù)集（含1000h語音）進行訓練；

第二神經(jīng)網(wǎng)絡用來區(qū)分言語中的情緒狀態(tài)。據(jù)了解，AD患者的神經(jīng)功能衰退較一般人更為普遍，經(jīng)常會表現(xiàn)出沮喪、悲傷等負面情緒。因此，研究人員利用演員表達不同情緒的大型語音數(shù)據(jù)集，開發(fā)了情緒語音分類器。

第三個神經(jīng)網(wǎng)絡在自建的咳嗽數(shù)據(jù)集上訓練，用來辨別肺和呼吸功能的變化。

最后將三種模型結合起來，形成了一個用于檢測肌肉退化的AI框架。研究人員經(jīng)過檢測發(fā)現(xiàn)，基于聲帶強度、情緒、肺和呼吸功能等生物特征，基于該模型來診斷COVID-19。

需要強調(diào)的是，該AI模型的優(yōu)勢不在于檢測有癥狀的新冠患者。

這一點Subirana在論文中也明確強調(diào)。他說，不管他們的癥狀是由COVID-19還是其他癥狀（如流感或哮喘）引起的。該工具的優(yōu)勢在于它能夠分辨無癥狀感染者的咳嗽和健康人的咳嗽。

看完他們的文章，我還專門到他們的數(shù)據(jù)搜集檢測網(wǎng)站咳嗽了幾聲，測試一下自己的咳嗽聲音，誰知…...

公眾號留言

老師您好，今天突然回頭調(diào)試去年的電磁車，發(fā)現(xiàn)有個問題。在去年比賽時候c車舵機內(nèi)置磁場對5cm電感采值影響很大，詢問一下中南大學他們是直接修改了機械結構，其他方法不從得知，您可不可以做一期關于這方面的文章，關于如何降低舵機磁場對短前瞻的影響？

回復：可以到csdn網(wǎng)站搜索：“電磁信號檢測 | 本是同根生，相煎何太急”查看以前討論如何防止電磁檢測干擾問題。