人工智能“闻咳嗽识新冠”

2020-11-10 06:16
环球时报 2020-11-10
关键词:麻省理工学院准确率样本

英国广播公司(BBC)8日称,美国麻省理工学院的研究人员正试图通过人工智能算法识别新冠患者,“只要听到咳嗽声音,就能知道这个人有没有感染新冠病毒”。

报道称,相关研究结果发布在电气电子工程学会的《医疗生物工程》期刊上。论文共同作者之一、麻省理工学院科学家苏比拉纳表示,“感染新冠病毒之后,就算是没有出现任何症状,你发出的声音也会变得不一样。”他表示,人工智能通过分析大量样本、找出声音的细微不同之处后,就能单凭咳嗽的声音分辨出是否感染新冠病毒。“该技术对检测无症状患者特别有用,因为人类的耳朵无法从无症状患者咳嗽的声音中分辨细微差异。”

研究人员表示,在新冠病毒测试结果呈阳性的人中,该算法的准确率达98.5%。在无症状患者中,准确率高达100%。“随着学校和大众运输工具重新开放,这项技术可以在包括学校、工作场所和公共场所等地做筛检预警”。

目前包括英国剑桥大学、卡内基·梅隆大学等多个团队也都在进行类似研究。剑桥大学“新冠病毒声音计划”就在通过从呼吸和咳嗽声中辨认新冠确诊病例,在今年7月的测试中取得80%的准确率。该项目使用了3万个声音样本,而麻省理工学院收集了多达7万个声音样本。人工智能专家切斯表示,通过咳嗽声音辨认新冠患者是“人工智能应用的经典范例”,应用类似原理,人工智能已能从X光照片中准确识别癌症患者。▲

(陈山)

猜你喜欢
麻省理工学院准确率样本
乳腺超声检查诊断乳腺肿瘤的特异度及准确率分析
多层螺旋CT技术诊断急性阑尾炎的效果及准确率分析
不同序列磁共振成像诊断脊柱损伤的临床准确率比较探讨
颈椎病患者使用X线平片和CT影像诊断的临床准确率比照观察
直击高考中的用样本估计总体
美国MIT现代光学实验教学模式及其启示
随机微分方程的样本Lyapunov二次型估计
麻省理工学院设计团队开发“社交T—shirt”
多元与协商:麻省理工学院本科生课程评价特征与启示
基于支持向量机的测厚仪CS值电压漂移故障判定及处理