从呼吸声中检测COVID-19使用等级谱图变压器
IEEE journal of biomedical and health informatics
|December 5, 2023
概括
一种新的深度学习方法使用咳和呼吸声音来检测COVID-19. 这种新的方法达到90%以上的准确性,为远程呼吸道疾病监测提供了一个有前途的工具.
科学领域:
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
- 呼吸系统医学 呼吸系统医学
背景情况:
- 对于COVID-19等疾病的传统呼吸道评估需要亲自访问.
- 使用便携式设备进行远程监测为初步疾病查提供了可行的替代方案.
- COVID-19主要影响下呼吸道,使呼吸声分析变得相关.
研究的目的:
- 开发一种新的深度学习方法,使用呼吸声来区分COVID-19患者和健康个体.
- 为了评估等级谱图变压器 (HST) 分析咳和呼吸声音的有效性.
主要方法:
- 开发了一种新的等级谱图变压器 (HST),利用对呼吸声谱图表示的自我注意机制.
- HST模型逐渐增加窗口大小,以捕获本地和全球的上下文信息.
- 该方法与传统和深度学习基线相对验证,使用众包,多国数据集.
主要成果:
- 提出的HST深度学习方法与现有方法相比,表现优越.
- 该模型在检测COVID-19病例时实现了接收器运行特征曲线 (AUC) 下的面积超过90%.
- 该研究成功地将COVID-19患者与基于音频录音的健康对照区分开来.
结论:
- 使用HST的新型深度学习方法显示了通过呼吸声分析准确,非侵入性检测COVID-19的巨大潜力.
- 这种方法支持远程监控功能,减少了对医院访问的需求.
- 这些发现突显了先进的人工智能技术在通过音频数据诊断呼吸系统疾病方面的有效性.
