


Telefon mudah alih menggunakan AI untuk mendengar 'bunyi' untuk mengenal pasti COVID-19
Menurut kajian yang diumumkan pada Persidangan Antarabangsa Persatuan Pernafasan Eropah di Barcelona, Sepanyol pada 4hb, kecerdasan buatan (AI) boleh mengesan COVID-19 daripada suara orang melalui telefon bimbit. jangkitan aplikasi telefon, ia lebih tepat (sehingga 89%) daripada ujian antigen pantas dan lebih murah, lebih pantas dan lebih mudah digunakan.
Jangkitan COVID-19 selalunya menjejaskan saluran pernafasan atas dan pita suara, menyebabkan perubahan pada suara seseorang. Wafaa Aljebawi, seorang penyelidik di Institut Sains Data di Universiti Maastricht di Belanda, menjelaskan bahawa hasil penyelidikan menunjukkan bahawa rakaman suara mudah dan algoritma AI boleh menentukan dengan tepat siapa yang dijangkiti COVID-19 Selain itu, ia juga menyokong virtualisasi jauh . Ujian mengambil masa kurang daripada satu minit untuk menghasilkan keputusan. Ujian sedemikian boleh digunakan di tapak ujian di perhimpunan besar untuk menyaring orang dengan cepat.
Pasukan penyelidik menggunakan data daripada aplikasi "Perpustakaan Bunyi COVID-19" Universiti Cambridge, yang mengandungi 893 sampel audio daripada 4,352 peserta yang sihat dan tidak sihat, 308 daripadanya disahkan positif COVID-19. Apl itu dipasang pada telefon pengguna, dan peserta melaporkan maklumat asas tentang demografi, sejarah perubatan dan status merokok, dan kemudian diminta untuk merakam beberapa bunyi, termasuk batuk 3 kali, bernafas dalam-dalam melalui mulut 3-5 kali, dan membaca di skrin Ayat pendek 3 kali.
Para penyelidik menggunakan teknik analisis pertuturan yang dipanggil spektroskopi mel, yang mengenal pasti ciri pertuturan yang berbeza seperti kenyaringan, kuasa dan perubahan dari semasa ke semasa.
Untuk membezakan suara pesakit COVID-19 daripada mereka yang tidak mempunyai penyakit, penyelidik membina model AI yang berbeza. Mereka mendapati bahawa model ingatan jangka pendek panjang (LSTM) melakukan tugas terbaik dalam mengklasifikasikan kes COVID-19. LSTM adalah berdasarkan rangkaian saraf, yang meniru cara otak manusia berfungsi dan mengenal pasti hubungan asas dalam data. Ia juga boleh menyimpan data dalam ingatan.
Model AI-LSTM ini mempunyai ketepatan keseluruhan 89%, keupayaan untuk mengesan kes positif dengan betul (kadar positif atau sensitiviti) sebanyak 89%, dan keupayaan untuk mengenal pasti kes negatif dengan betul (kadar negatif sebenar atau kekhususan) darjah) ialah 83%.
Penyelidik mengatakan bahawa sensitiviti ujian antigen pantas hanya 56%, tetapi kekhususan adalah setinggi 99.5%. Ini bermakna ujian antigen pantas secara salah mengklasifikasikan lebih banyak jangkitan positif sebagai negatif daripada yang dikelaskan dalam ujian ini. Menggunakan model AI-LSTM, para penyelidik terlepas 11 daripada 100 kes yang terus menyebarkan virus, manakala ujian antigen pantas terlepas 44. Wartawan pelatih Zhang Jiaxin
Atas ialah kandungan terperinci Telefon mudah alih menggunakan AI untuk mendengar 'bunyi' untuk mengenal pasti COVID-19. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Saiz senarai bootstrap bergantung kepada saiz bekas yang mengandungi senarai, bukan senarai itu sendiri. Menggunakan sistem grid Bootstrap atau Flexbox boleh mengawal saiz bekas, dengan itu secara tidak langsung mengubah saiz item senarai.

Senarai bersarang di Bootstrap memerlukan penggunaan sistem grid Bootstrap untuk mengawal gaya. Pertama, gunakan lapisan luar & lt; ul & gt; dan & lt; li & gt; Untuk membuat senarai, kemudian bungkus senarai lapisan dalaman dalam & lt; div class = & quot; row & gt; dan tambah & lt; kelas div = & quot; col-md-6 & quot; & gt; ke senarai lapisan dalaman untuk menentukan bahawa senarai lapisan dalaman menduduki separuh lebar baris. Dengan cara ini, senarai dalaman boleh mempunyai yang betul

Apabila menukar rentetan ke objek dalam vue.js, json.parse () lebih disukai untuk rentetan json standard. Untuk rentetan JSON yang tidak standard, rentetan boleh diproses dengan menggunakan ungkapan biasa dan mengurangkan kaedah mengikut format atau url yang dikodkan. Pilih kaedah yang sesuai mengikut format rentetan dan perhatikan isu keselamatan dan pengekodan untuk mengelakkan pepijat.

Cara Menambah Ikon ke Senarai Bootstrap: Secara langsung barangan ikon ke dalam item senarai & lt; li & gt;, menggunakan nama kelas yang disediakan oleh Perpustakaan Ikon (seperti Font Awesome). Gunakan kelas Bootstrap untuk menyelaraskan ikon dan teks (contohnya, D-Flex, Justify-Content-Between, Align-Items-Center). Gunakan komponen tag bootstrap (lencana) untuk memaparkan nombor atau status. Laraskan kedudukan ikon (arah flex: row-reverse;), mengawal gaya (gaya CSS). Ralat biasa: ikon tidak dipaparkan (tidak

Sistem mesh Bootstrap adalah peraturan untuk membina susun atur responsif dengan cepat, yang terdiri daripada tiga kelas utama: kontena (kontena), baris (baris), dan col (lajur). Secara lalai, grid 12-kolumn disediakan, dan lebar setiap lajur boleh diselaraskan melalui kelas tambahan seperti Col-MD-, dengan itu mencapai pengoptimuman susun atur untuk saiz skrin yang berbeza. Dengan menggunakan kelas mengimbangi dan jejaring bersarang, fleksibiliti susun atur boleh dilanjutkan. Apabila menggunakan sistem grid, pastikan setiap elemen mempunyai struktur bersarang yang betul dan pertimbangkan pengoptimuman prestasi untuk meningkatkan kelajuan pemuatan halaman. Hanya dengan pemahaman dan amalan yang mendalam, kita dapat menguasai sistem grid bootstrap yang mahir.

Perubahan gaya Bootstrap 5 adalah disebabkan oleh pengoptimuman terperinci dan peningkatan semantik, termasuk: margin lalai senarai yang tidak teratur dipermudahkan, dan kesan visual adalah bersih dan kemas; Gaya senarai menekankan semantik, meningkatkan kebolehcapaian dan penyelenggaraan.

Soalan: Bagaimana untuk mendaftarkan komponen VUE yang dieksport melalui lalai eksport? Jawapan: Terdapat tiga kaedah pendaftaran: Pendaftaran Global: Gunakan kaedah vue.component () untuk mendaftar sebagai komponen global. Pendaftaran Tempatan: Daftar dalam pilihan Komponen, hanya terdapat dalam komponen semasa dan subkomponennya. Pendaftaran Dinamik: Gunakan kaedah vue.component () untuk mendaftar selepas komponen dimuatkan.

Cecair memproses 7 juta rekod dan membuat peta interaktif dengan teknologi geospatial. Artikel ini meneroka cara memproses lebih dari 7 juta rekod menggunakan Laravel dan MySQL dan mengubahnya menjadi visualisasi peta interaktif. Keperluan Projek Cabaran Awal: Ekstrak Wawasan berharga menggunakan 7 juta rekod dalam pangkalan data MySQL. Ramai orang mula -mula mempertimbangkan bahasa pengaturcaraan, tetapi mengabaikan pangkalan data itu sendiri: Bolehkah ia memenuhi keperluan? Adakah penghijrahan data atau pelarasan struktur diperlukan? Bolehkah MySQL menahan beban data yang besar? Analisis awal: Penapis utama dan sifat perlu dikenalpasti. Selepas analisis, didapati bahawa hanya beberapa atribut yang berkaitan dengan penyelesaiannya. Kami mengesahkan kemungkinan penapis dan menetapkan beberapa sekatan untuk mengoptimumkan carian. Carian Peta Berdasarkan Bandar
