相关实验视频
Updated: Jul 4, 2025
04:33
Methods for Detecting Cough and Airway Inflammation in Mice
Published on: August 2, 2024
632
咳的局限性基于声音的COVID-19诊断人工智能模型及其未来方向:纵向观测研究
Jina Kim1, Yong Sung Choi1, Young Joo Lee1
1Department of Biomedical Engineering, Kyung Hee University, Seoul, Republic of Korea.
Journal of medical Internet research
|February 6, 2024
概括
分析咳声音的人工智能 (AI) 模型对COVID-19查显示出有希望. 然而,随着新的病毒变异,它们的准确性下降,突出显示了持续适应人工智能模型的需要.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 由于COVID-19的流行,需要快速检测方法.
- 分析咳声音的人工智能 (AI) 模型为大规模查提供了潜力.
研究的目的:
- 评估人工智能模型使用咳声音用于COVID-19检测的有效性.
- 对不同的SARS-CoV-2变种和流行病阶段进行AI模型性能评估.
主要方法:
- 利用了来自三个数据集 (剑桥,科斯瓦拉,维鲁菲) 的咳声音记录.
- 在剑桥数据集上训练了一种AI模型,并在所有数据集中评估了它的性能.
- 对各种变体和时间段使用接收器运行曲线 (AUC) 下的面积分析模型性能.
主要成果:
- 人工智能模型在剑桥数据集上实现了高初始性能.
- 在测试Delta和Omicron等后代变种时,性能显著下降.
- 结果表明,在不断演变的SARS-CoV-2菌株中,维持人工智能模型的有效性存在挑战.
结论:
- 人工智能咳声音分析是一种有前途的COVID-19非侵入性查工具.
- 新出现的SARS-CoV-2变种对人工智能模型的有效性构成重大挑战.
- 持续的研究和人工智能适应对于持续的流行病应对和未来爆发的实用性至关重要.
