휴대폰에 기침하는 것만으로도 코로나19를 알 수 있나요? 여전히 케임브리지 대학에서 제작

신종 코로나바이러스의 등장으로 그야말로 판도라의 상자가 열렸습니다.

요즘 새로운 변종들이 등장하여 지구촌 사람들의 삶을 뒤흔들고 있습니다. 코로나19 이전의 마스크 없는 삶은 결코 돌아갈 수 없을지도 모릅니다.

최근 과학자들이 새로운 발견을 했는데, 이를 통해 앞으로 우리가 목을 찌르던 시대에 작별을 고할 수 있을 것입니다.

스페인 바르셀로나에서 열린 유럽호흡기학회 국제회의에서 AI가 휴대폰 애플리케이션에서 수집한 소리를 통해 사용자의 코로나19 감염 여부를 판단할 수 있다는 연구 결과가 나왔습니다.

News Medical의 보고에 따르면, 이번 연구에 사용된 AI 모델은 신속 항원 검사보다 저렴하고 빠르며 사용하기 쉬워 PCR 검사 비용이 많이 드는 저소득 국가에 이상적입니다.

또한 이 AI에는 또 다른 장점이 있습니다. 정확도가 더 높다는 것입니다. 신속항원검사에 비해 정확도는 89%에 달한다.

정확도는 89%에 달함

연구팀은 영국 케임브리지 대학의 "New Crown Pneumonia Sound Library" 앱의 데이터를 사용했습니다. 여기에는 건강한 참가자와 건강하지 않은 참가자 4,352명의 오디오 샘플 893개가 포함되어 있습니다. 연구 결과는 간단한 음성 녹음과 AI 알고리즘을 통해 누가 코로나19에 감염되었는지 정확하게 판단할 수 있음을 보여줍니다.

보물적인 앱을 발견했다고 생각한 편집자는 큰 기대를 갖고 다운로드해 본 결과 평점이 2.8점인 이 앱이 현재는 데이터 수집용으로만 사용되고 있다는 것을 알게 되었습니다.

높은 감성 지능: 과학 발전에 기여하셨습니다.

낮은 EQ: 이 소프트웨어는 현재 쓸모가 없습니다.

네덜란드 마스트리히트 대학교 데이터 과학 연구소의 연구원인 Wafaa Aljbawi 씨는 컨퍼런스에서 AI 모델이 89%의 경우에 정확하지만 측면 흐름 테스트의 정확도는 다양하다고 말했습니다. 또한 브랜드에 따라 측면 흐름 테스트는 무증상자를 감지하는 데 훨씬 덜 정확합니다.

이러한 유망한 결과는 간단한 기록과 미세 조정된 AI 알고리즘이 어떤 환자가 코로나19에 감염되었는지 판단하는 데 높은 정확도를 달성할 수 있음을 시사합니다. 이러한 테스트는 무료로 제공되며 해석하기 쉽습니다. 또한 1분 미만의 소요 시간으로 원격 가상 테스트가 가능합니다. 예를 들어, 대규모 모임의 진입점에서 사용하여 군중을 신속하게 검사할 수 있습니다. ”

Wafaa Aljbawi, 연구원, 마스트리히트 대학

이 결과는 매우 흥미롭습니다. 즉, 기본 음성 녹음 및 맞춤형 AI 알고리즘을 통해 코로나19 감염 환자를 무료로 정확하게 식별할 수 있다는 의미입니다. . 편집자는 신나게 손을 비볐습니다. 드디어 코로나19에 감염되는 시대가 끝났다는 뜻인가요? 드디어 상부 호흡기와 성대가 영향을 받아 목소리가 변하는 것입니다

이 방법의 타당성을 확인하려면 , 동일한 데이터 과학 연구소의 Visara Urovi 박사와 마스트리히트 대학 의료 센터의 폐병 전문의인 Sami Simons 박사도 테스트를 수행했습니다.

그들은 4,352개의 오디오 샘플을 포함하여 캠브리지 대학의 크라우드소싱 COVID-19Sounds 앱의 정보를 사용했습니다. 건강한 피험자와 건강에 해로운 피험자 중 308명이 코로나19 검사 결과 양성 판정을 받았습니다.

검사 중에 사용자는 휴대전화에 앱을 다운로드한 후 먼저 기침을 3번 한 후 심호흡을 3번 해야 합니다. 에서 입을 통해 5번, 그리고 화면에 짧은 문장을 3번 읽었습니다.

연구원들은 음량, 힘, 시간에 따른 변화 등 다양한 음성 특성을 식별할 수 있는 멜 스펙트로그램 분석이라는 음성 분석 방법을 사용했습니다

“이런 방식으로 우리는 대상 목소리의 많은 속성을 분해할 수 있습니다.”라고 Aljbawi 씨는 말했습니다. "우리는 코로나19에 걸린 사람의 목소리와 질병이 없는 사람의 목소리를 구별하기 위해 다양한 인공지능 모델을 구축하고 어떤 모델이 코로나19 사례를 분류하는 데 가장 적합한지 평가했습니다.

그들은 일종의 인공지능 모델이라는 것을 발견했습니다. LSTM(장단기 기억) 모델은 다른 모델보다 성능이 훨씬 뛰어납니다. LSTM은 데이터의 잠재적 관계를 식별하기 위해 인간 두뇌가 작동하는 방식을 모방한 신경망을 기반으로 합니다. 시퀀스에서 작동하기 때문에 데이터를 메모리에 저장할 수 있기 때문에 음성 신호와 같이 시간이 지남에 따라 수집된 신호를 모델링하는 데 매우 적합합니다.

전체 정확도는 89%, 양성 사례(진양성률 또는 "민감도")를 올바르게 식별하는 능력은 89%, 음성 사례(진음성률 또는 "특이도")를 올바르게 식별하는 능력은 83%입니다.

이러한 결과는 측면 흐름 테스트와 같은 최첨단 테스트에 비해 코로나19 진단에서 LSTM 모델의 정확도가 크게 향상되었음을 보여줍니다.

비교 결과는 한 문장으로 요약할 수 있습니다. LSTM 모델은 긍정에 대한 인식률이 더 높지만, 부정을 긍정으로 오진할 가능성도 더 높습니다.

구체적으로 측면 흐름 테스트의 민감도는 56%에 불과하지만 특이도는 99.5%로 더 높으므로 측면 흐름 테스트에서는 양성을 음성으로 착각하는 경우가 더 자주 발생합니다. LSTM 모델을 사용하면 100개 사례 중 11개를 놓칠 수 있는 반면, 측면 흐름 테스트는 100개 사례 중 44개를 놓칠 수 있습니다.

측면 흐름 검사의 특이도가 높다는 것은 음성의 1/10만이 양성으로 오진된다는 것을 의미하며, LSTM 검사의 오진율은 훨씬 높아 음성 100명 중 17명이 양성으로 오진된다는 의미입니다. 그러나 이 테스트는 실질적으로 무료이기 때문에 LSTM에서 양성 결과가 나오면 사람들은 PCR 테스트를 받을 수 있습니다. 따라서 후자의 영향은 크지 않습니다.

현재 연구자들은 결과를 추가로 검증하고 있습니다. 그들은 많은 데이터를 사용합니다. 실험이 시작된 이래로 그들은 36,116명의 개인으로부터 53,449개의 오디오 샘플을 수집했으며, 이는 모델의 정확성을 향상하고 검증하는 데 사용될 수 있습니다. 또한 그들은 AI 모델에 영향을 미치는 다른 음성 요소가 무엇인지 확인하기 위해 다른 연구를 수행하고 있습니다.

관련 논문

2021년 6월, 연구자들은 AI 모델을 코로나19 자동 검사 도구로 사용할 때 어느 정도 신뢰할 수 있는지 조사하기 시작했습니다. INTERSPEECH 2021에서 승인된 이 논문에서는 불확실성 추정과 딥 러닝 모델을 결합하여 소리에서 코로나19를 감지하려고 합니다.

논문 주소: https://arxiv.org/pdf/2104.02005.pdf

논문에서 연구자들은 330개의 긍정적인 주제와 919개의 부정적인 주제의 하위 집합을 분석했습니다.

그들은 훈련 단계에서 데이터 불균형이라는 일반적인 문제를 해결하고 추론 중에 예측 불확실성을 제공하는 앙상블 학습 프레임워크를 제안하며 이는 모델 앙상블에서 생성된 예측의 분산으로 구체화됩니다. 백본 모델은 VGGish 1이라는 사전 훈련된 컨벌루션 네트워크로, 세 가지 소리의 스펙트로그램을 입력으로 수신하도록 수정되었습니다.

이 작업에서는 10개의 딥 러닝 모델이 훈련되어 앙상블 모델로 집계되었으며, AUC는 0.74, 민감도는 0.68, 특이도는 0.69로 각 모델보다 우수한 성능을 보였습니다. 한편으로는 오디오 기반 코로나19 감지를 위해 직접 제작한 기능에 비해 딥 러닝의 우월성이 검증되었습니다. 반면, SVM의 앙상블은 샘플을 보다 효율적으로 활용하므로 단일 SVM 모델의 성능을 더욱 향상시키는 것으로 나타났습니다.

잘못된 예측은 종종 더 높은 불확실성을 생성하므로(왼쪽 상단 이미지 참조) 경험적 불확실성 임계값을 활용하여 사용자에게 전화로 오디오 테스트를 반복하거나 디지털 진단이 여전히 실패하는 경우 추가 테스트를 수행하도록 조언할 수 있습니다. 임상 테스트 (오른쪽 위 이미지 참조). 불확실성을 자동화된 진단 시스템에 통합함으로써 더 나은 위험 관리와 보다 강력한 의사 결정을 내릴 수 있습니다.

2021년 11월, 연구원들은 36,116명의 참가자가 크라우드 소싱한 53,449개의 오디오 샘플(총 552시간 이상)로 구성된 포괄적인 대규모 코로나19 오디오 데이터세트를 NeurIPS 2021에서 공개했습니다. 관련 논문이 NeurIPS 2021 데이터세트 트랙에 게재되도록 승인되었습니다.

논문에서 연구원들은 호흡기 증상 예측 및 코로나19 예측 작업에서 0.7을 초과하는 ROC-AUC 성능을 입증하여 이러한 유형의 데이터 세트를 기반으로 한 기계 학습 방법의 가능성을 확인했습니다.

2022년 6월, 연구자들은 코로나19 진행 예측, 특히 순차 딥러닝을 사용한 회복 추세 예측을 위해 시간에 따른 종단적 오디오 샘플의 잠재력을 탐구하기를 희망합니다. 해당 논문은 디지털 의학 및 건강 분야 저널인 JMIR에 게재됐다. 이 연구는 틀림없이 코로나19 질병 진행 예측을 위한 종단적 오디오 역학을 탐구하는 첫 번째 작업입니다.

논문 주소: https://www.jmir.org/2022/6/e37004

개인의 과거 오디오 바이오마커의 오디오 역학을 탐색하기 위해 연구자들은 GRU(Gated Recurrent Unit) Deep을 사용하는 방법을 개발하고 검증했습니다. 코로나19 질병 진행을 감지하기 위한 학습 접근법.

제안된 모델에는 높은 수준의 오디오 정보를 추출하기 위한 VGGish라는 사전 훈련된 컨벌루션 네트워크와 종방향 오디오 샘플의 시간적 의존성을 캡처하는 GRU가 포함되어 있습니다.

연구 결과 제안된 시스템이 코로나19 양성 및 음성 오디오 샘플을 구별하는 데 좋은 성능을 발휘하는 것으로 나타났습니다.

이 일련의 연구에는 Ting Dang, Jing Han, Tong Xia와 같은 중국 학자도 등장했습니다.

아마도 앱을 사용하여 코로나19를 감지할 수 있는 날이 멀지 않았습니다. ​

위 내용은 휴대폰에 기침하는 것만으로도 코로나19를 알 수 있나요? 여전히 케임브리지 대학에서 제작의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!