马萨诸塞大学阿默斯特分校的研究人员发明了一种以机器学习为动力的便携式监测设备，叫做FluSense，它可以实时检测咳嗽和人群规模，然后分析数据，直接监测流感样疾病和流感趋势。
马萨诸塞州大学阿默斯特分校的研究人员发明了一种由机器学习提供支持的便携式监视设备，称为FluSense，该设备可以实时检测咳嗽和人群人数，然后分析数据以直接监测流感样疾病和流感趋势。（马萨诸塞州阿默斯特大学）
据研究人员称，这一边缘计算平台预计将用于医院、医疗候诊室和更大的公共空间，它可以提供另一种健康监测工具，以预测季节性流感和其他病毒性呼吸道疾病爆发，如COVID-19大流行或SARS。
这项研究是由博士生和Forsad Al-Hossain撰写的，并发表在计算机械协会关于交互、移动、可穿戴和无处不在技术的会议记录中。这项研究的合著者、计算机和信息科学助理教授陶希杜拉赫曼在马萨诸塞大学网站上发表的一篇文章中说：“这可能使我们能够更准确地预测流感趋势。”
为了给他们的发明一个真实世界的试用，FluSense发明家们与大学卫生服务执行主任乔治·科里博士、麻省大学疾病预防控制中心流感预测卓越中心主任生物统计学家尼古拉斯·里奇和传染病专家兼助理教授公共卫生与健康科学学院。
FluSense平台使用Raspberry Pi和神经计算引擎处理低成本麦克风阵列和热成像数据。它不存储个人可识别信息，如语音数据或可识别图像。在拉赫曼的马赛克实验室里，计算机科学家开发了传感器来观察人类的健康和行为，研究人员首先开发了一个基于实验室的咳嗽模型。然后，他们训练深层神经网络分类器，在代表人的热图上画出包围盒，然后对包围盒进行计数。拉赫曼说：“我们的主要目标是在人口水平上建立预测模型，而不是在个人水平上。”
这些FluSense设备被封装在一个大字典大小的矩形盒子里，然后被放置在麻省大学医疗服务诊所的四个医疗候诊室中。2018年12月至2019年7月，FluSense平台从公众等候区收集并分析了超过35万张热像和2100万份非语音音频样本。
研究人员发现，FluSense能够准确预测大学诊所的每日患病率。多重和互补的FluSense信号集与基于实验室的流感样疾病和流感本身检测“密切相关”。根据这项研究，flussense捕捉到的早期症状相关信息可以为当前流感预测工作提供有价值的附加和补充信息，例如FluSight网络，它是流感预测团队的多学科联合体，包括麻省大学阿默斯特分校的Reich实验室。
拉赫曼说：“我对非言语体音感兴趣已经有很长一段时间了。我想，如果我们能从很多人自然聚集的公共场所捕捉到咳嗽或打喷嚏的声音，我们就可以利用这些信息作为预测流行病学趋势的新数据来源。”
自新型冠状病毒肺炎疫情爆发以来，新利18国际娱乐一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，新利18国际娱乐免费发布企业相关文章，免费成为新利18国际娱乐认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。