新加坡科技与设计大学 (SUTD) 的研究人员表明，深度学习模型仅使用咳嗽声就能准确区分健康儿童和患病儿童。这些发现发表在《传感器》杂志上，可以为更有效地筛查儿童呼吸道疾病打开大门，并可能减轻患者、父母和医生等人的巨大负担。
在儿童中，咳嗽可能是多种呼吸道疾病的征兆，包括哮喘、鼻窦炎和呼吸道感染。咳嗽作为一种症状无处不在，这意味着医生通常必须进行额外的测试和程序才能做出明确的诊断。
领导这项研究的 SUTD 助理教授陈杰明说：“这些测试需要去医院就诊，对孩子来说并非没有风险，而且对医疗资源提出了要求。”“此外，此类探视对孩子及其家人还有其他负面的社会或经济影响，例如下班时间和需要特定的托儿安排。”
减轻患者以及整个医疗保健系统的这种负担的需要导致人们越来越关注利用咳嗽声音的微小差异来区分一种呼吸系统疾病。然而，大多数研究都依赖于在录音室环境中仔细记录的咳嗽音频，这使得它们不适合实际应用，因为背景噪音和低档设备可能会影响记录的咳嗽质量。
为了解决这个问题，来自 KK 妇女儿童医院和杜克-新加坡国立大学医学院的陈助理教授和合作者 Hee Hwan Ing 博士在现场医院环境中使用智能手机收集的咳嗽记录，以反映真实的“生态”状况。接下来，为了帮助他们准确地将咳嗽记录分类为疾病或健康，该团队转向了一种特定类型的深度神经网络模型，称为双向长短期记忆 (BiLSTM)。
与其他人工神经网络相比，BiLSTM 由可以在任意时间内记住值的单个单元组成。陈教授解释说，这种记忆机制使 BiLSTMs 特别适合处理像音频这样的顺序数据。
为了训练和测试他们的模型，该团队使用了 89 名哮喘儿童、160 名下呼吸道感染儿童和 78 名上呼吸道感染儿童的咳嗽记录。作为比较，它们还包括来自 89 名健康儿童的咳嗽声。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！