FluSense可以通过实时检测咳嗽和人群规模，直接对流感类疾病及其趋势进行监测。
据美国“优睿科”网站3月19日消息，马萨诸塞大学阿姆赫斯特分校（University of Massachusetts Amherst）的研究人员近日开发了一种由机器学习驱动的便携式监控设备——FluSense，它可以实时检测咳嗽人群规模，直接对流感类疾病及其趋势进行监测。FluSense的发明者表示，这种边缘计算平台有望用于医院、医疗候诊室以及规模更大的公共空间，以提升流感类疾病监测工具的性能。
在流感大流行期间，监测数据可以帮助人们确定接种流感疫苗、实施旅行限制的时间，以及解决医疗用品的分配问题。“我们或许能够通过它以一种更加精确的方式预测流感趋势。”论文的共同作者、计算机与信息科学助理教授Tauhidur Rahman说。
为了在现实世界中试用该发明，FluSense的开发者们与大学卫生服务中心执行主任George Corey博士；美国马萨诸塞州疾病控制与预防中心（CDC）主任、生物统计学家Nicholas Reich以及流行病学家Andrew Lover进行了合作。
FluSense平台使用树莓派单板计算机和神经计算引擎来处理低成本的麦克风阵列和热成像数据。它并不会存储语音数据或可识别的图像等个人身份信息。在Rahman的马赛克实验室，研究人员首先开发了一个基于实验室的咳嗽模型，然后训练深度神经网络分类器在代表人物的热图像上画边框并计数。“我们的主要目标是在人口层面上建立预测模型。” Rahman说。
他们把FluSense装在字典大小的长方形盒子里，放在马萨诸塞州立大学健康服务诊所的四个医疗候诊室中。从2018年12月至2019年7月，FluSense平台从公共等候区收集并分析了超过35万张热图像和2100万份非语音音频样本。研究者发现，FluSense可以准确预测大学诊所的每日发病率。根据这项研究，“FluSense获取的早期症状相关信息可以为当前的流感预测工作提供有价值的补充信息。”
“FluSense是人工智能结合边缘计算的实例，”Al Hossain指着FluSense装置内部的紧凑组件说，“所有的过程都发生在这里。这些系统正变得更便宜、更强大。”
下一步，该团队计划在其它公共区域测试FluSense。“我们初步证实，咳嗽确实和流感等相关疾病有联系。” Lover说，“现在，我们想要验证FluSense在其他环境中的有效性，并证明我们可以在不同的地点推广它。”
科界原创
编译：Sky
审稿：alone
责编：雷鑫宇
原文链接：
https://www.umass.edu/newsoffice/article/portable-ai-device-turns-coughing-sounds
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
