近日，有美國研究團隊發明了一種由機器學習技術驅動的便攜式監控設備，稱為“FluSense（流感感知器？）”，它用來實時檢測咳嗽及其人群的規模，通過數據分析，監測類似流感的疾病和其趨勢的變化，並對下一次大流行進行預測。
據其團隊介紹，新的邊緣計算平臺預計將用於醫院及大型的公共場所，也可能會擴大用於預測季節性流感和其他病毒性呼吸道的監測，例如新冠肺炎或SARS等。
該研究的共同創始人，計算機和信息科學助理教授Tauhidur Rahman表示：“這可能使我們能夠以更準確的方式預測流感趨勢。根據機器學習形成的預測模型，在流感流行期間直接上報相關衛生部門，能夠幫上很大的忙。這些數據源可以幫助加速疫苗研製的速度，限制可能的旅遊，醫療物資的分配等等。”
“FluSense”平臺使用樹莓派和神經計算引擎，來運行低成本的麥克風陣列和處理熱成像數據。它不存儲任何個人身份信息，例如語音數據或區別圖像。
在Rahman's Mosaic實驗室中，研究人員首先研發了基於實驗室的咳嗽模型。然後，他們訓練了深度神經網絡分類器，接著在代表人的熱圖像上繪製邊界框，對其進行計數。Tauhidur Rahman說：“我們的主要目標是在整個人群而非個人的基礎上建立預測模型”。
從2018年12月到2019年7月，FluSense平臺收集並分析了來自公共區的350,000多幅熱圖像和2100萬非語音音頻樣本。研究人員發現，FluSense能夠準確地預測某一診所的日發病率。根據這項研究，“FluSense所捕獲的早期症狀相關信息可以為當前的流感預測工作提供有價值的附加和補充信息”。
研究主要作者Forsad Al Hossain表示，“FluSense”是將人工智能與邊緣計算相結合的強大典範。我們正在嘗試將機器學習系統帶入邊緣計算；所有處理都在這裡進行。而這些系統正在變得越來越便宜，且功能越來越強大”。其下一步的計劃是在其他公共區域和地理位置測試“FluSense”。
流行病學家Andrew Lover表示：“我們已經初步證實了咳嗽確實與流感相關疾病有關。現在，我們要在醫院之外的特定環境對咳嗽進行驗證，並表明我們可以在各地進行推廣。”
Tauhidur Rahman還說：“如果我們能夠從很多人自然聚集的公共場所捕捉到咳嗽或打噴嚏的聲音，我們可以利用這些信息作為預測流行病學趨勢的新數據來源。”
閱讀更多 老甘聊科技 的文章
