UMass的研究人員說，Raspberry Pi邊緣設備可以幫助識別人群中的類似流感的症狀，從而擴大了可用於跟蹤疾病傳播的工具範圍。
UMass Amherst的研究人員團隊說，一種實時跟蹤咳嗽和人群規模的物聯網設備可能會成為一種有用的工具，用於在大批人群中識別流感樣症狀。
研究人員稱之為FluSense，它大約相當於字典的大小。它包含一個廉價的麥克風陣列，一個熱傳感器，一個Raspberry Pi和一個Intel Movidius 2神經計算引擎。這個想法是在邊緣使用AI對音頻樣本進行分類，並在任何給定時間識別房間中的人數。
由於該系統可以將咳嗽與其他類型的非語音音頻區分開來，因此將咳嗽與給定人群的大小相關聯可以提供有用的指數，以表明有多少人可能會出現類似流感的症狀。
2018年12月至2019年7月期間，馬薩諸塞大學衛生服務診所的四個候診室安裝了FluSense。研究人員表示，他們能夠將該系統的結果與流感和其他類似症狀的臨床測試強烈聯繫起來。
據該論文的第一作者、博士生Forsad Al Hossain和他的合著者、助理教授Tauhidur Rahman說，FluSense更大的計劃正在進行中。
他們說：“目前，我們正計劃在幾個大型公共場所（如大型自助餐廳、教室、宿舍、體育館、禮堂）部署FluSense系統，以捕捉居住在某個城鎮或城市的廣大人群的症狀信號。”。“我們也在尋找資金來進行大規模的多城市試驗。同時，我們還通過擴展fluseness捕捉更多症狀信號的能力，使我們的感知能力多樣化（例如，最近我們在FluSense中增加了噴嚏感應功能）。我們肯定會在這方面的研究中看到相當大的商業化潛力。”
從技術角度來看，FluSense特別有趣，因為所有有意義的處理工作都是通過Intel神經計算引擎和Raspberry Pi在本地完成的。當然，症狀信息通過無線方式發送到實驗室進行核對，但繁重的工作是在邊緣完成的。Al-Hossain和Rahman強調說，該設備不收集個人身份信息，重點是在給定的環境中聚合數據，而不是識別任何一個患者的疾病，它收集的所有信息都經過了嚴格加密，這使得隱私問題最小化。
據研究人員稱，FluSense的重點是將其視為一種健康監視工具，而不是一種診斷設備。 Al Hossain和Rahman表示，與其他健康監控技術（尤其是基於Internet跟蹤的技術，例如Google Flu Trend和Twitter）相比，它具有幾個重要優勢。
“FluSense不容易受到公共衛生活動或廣告的影響。此外，這種傳感器的非接觸特性非常適合被動地捕捉來自不同地理位置和不同社會經濟群體（包括可能無法獲得醫療保健和可能不去醫生/診所的貧困人群）的症狀信號。 ”
