• امروز : یکشنبه - ۱۳ آذر - ۱۴۰۱
  • برابر با : Sunday - 4 December - 2022
0

تشخیص کرونا از روی صدا با کمک هوش مصنوعی

  • کد خبر : 13353
  • ۱۶ شهریور ۱۴۰۱ - ۱۰:۲۰
تشخیص کرونا از روی صدا با کمک هوش مصنوعی
این فناوری می تواند برای غربالگری سریع افراد قبل از رویدادهای جمعی یا در کشورهای فقیری که توانایی انجام آزمایشات PCR را ندارند مورد استفاده قرار گیرد.

به گزارش فارس و به نقل از تلگراف، دانشمندان در حال توسعه یک اپلیکیشن تلفن همراه هستند که با تجزیه و تحلیل صدای افراد با استفاده از هوش مصنوعی (AI) می تواند ابتلا شخص به کرونا را به صورت دقیق تشخیص دهد.

به گفته دانشمندان، استفاده از فناوری مبتنی بر هوش مصنوعی آسان‌تر و دقیق‌تر از آزمایش های موجود برای تشخیص این بیماری است. با این برنامه کمتر از یک دقیقه طول می کشد تا موارد مثبت شناسایی شوند و در ۸۹ درصد موارد نتیجه دقیق و ۸۳ درصد موارد منفی نیز تشخیص داده می شود.

دقت کیت های تشخیص موجود در بازار بسته به برند بسیار متفاوت است و سوآب‌های بینی و گلو در تشخیص افراد بدون علائم دقیق نیستند.

این برنامه می تواند برای بررسی سریع افراد قبل از شرکت در رویدادهای دسته جمعی مانند کنسرت ها و مسابقات ورزشی بزرگ استفاده شود. همچنین می‌تواند در کشورهای فقیر که آزمایش‌های پی‌سی‌آر بسیار گران هستند و دسترسی به آنها دشوار است، استفاده شود.

محققان هلندی می گویند ویروس کرونا معمولاً دستگاه تنفسی فوقانی و تارهای صوتی را تحت تأثیر قرار می دهد و منجر به تغییراتی در صدای افراد می شود. بنابراین این تیم تصمیم گرفت تا بررسی کند که آیا امکان تشخیص ویروس در صدای افراد وجود دارد یا خیر.

محققان از داده‌های برنامه جمع‌سپاری Covid-19 Sounds دانشگاه کمبریج که شامل ۸۹۳ نمونه صوتی از ۴۳۵۲ شرکت‌کننده است که تست کرونای ۳۰۸ نفر از آن‌ها مثبت اعلام شد، استفاده کردند.

این برنامه روی تلفن همراه کاربران نصب می شود و شرکت کنندگان برخی از جزئیات اولیه در مورد جمعیت شناسی، سابقه پزشکی و وضعیت سیگار کشیدن را گزارش می دهند. سپس از آنها خواسته می شود تا برخی صداهای تنفسی را ضبط کنند که شامل سه بار سرفه، سه تا پنج بار تنفس عمیق از طریق دهان و سه بار خواندن یک جمله کوتاه است.

محققان از تکنیک تجزیه و تحلیل صدا به نام تجزیه و تحلیل Mel-Spectrogram استفاده کردند که ویژگی های مختلف صدا مانند بلندی، قدرت و تنوع را در طول زمان شناسایی می کند.

 

این تیم برای تشخیص صدای بیماران مبتلا به کرونا از افرادی که به این بیماری مبتلا نبودند، مدل‌های هوش مصنوعی مختلفی ساختند و ارزیابی کردند که کدام یک در طبقه‌بندی موارد مثبت بهتر عمل می‌کند. یکی از مدل ها به نام حافظه بلند مدت (LSTM) از بقیه بهتر عمل کرد. این مدل مبتنی بر شبکه‌های عصبی است که نحوه عملکرد مغز انسان را تقلید می‌کند و روابط زیربنایی در داده‌ها را تشخیص می‌دهد.

همچنین این مدل با توالی کار می‌کند که آن را برای مدل‌سازی سیگنال‌های جمع‌آوری‌شده در طول زمان، مانند صدا، به دلیل توانایی در ذخیره داده‌ها در حافظه، مناسب می‌کند.

تست ها را می توان بدون هزینه ارائه کرد

وفا الجباوی، محققی از دانشگاه ماستریخت، می‌گوید: این نتایج امیدوارکننده نشان می‌دهد که ضبط‌های صوتی ساده و الگوریتم‌های هوش مصنوعی می‌توانند به دقت بالایی در تعیین اینکه کدام بیماران مبتلا به کرونا هستند، دست یابند. چنین تست هایی را می توان بدون هیچ هزینه ای ارائه کرد و تفسیر آنها ساده است. برای مثال، می‌توان از آن‌ها در مبادی ورودی برای تجمعات بزرگ استفاده و امکان غربالگری سریع جمعیت را فراهم کرد.

این نتایج، نشان دهنده بهبود قابل توجهی در دقت تشخیص کرونا در مقایسه با آزمایش‌های پیشرفته مانند آزمایش جریان جانبی (The lateral flow test) است. حساسیت این آزمایش تنها ۵۶ درصد است.

از آنجایی که این روش آزمایش جدید تقریبا رایگان است، در صورتی که جواب تست مثبت باشد، می‌توان زودتر مبتلایان را تشخیص داد و از گسترش بیشتر بیماری جلوگیری کرد.

قبل از استفاده از برنامه، تحقیقات بیشتری لازم است

این تیم می‌گوید قبل از اینکه این برنامه را عرضه کنند، لازم است تحقیقات بیشتری را روی شرکت‌کنندگان بیشتر انجام دهند. از زمان شروع پروژه ۵۳ هزار ۴۴۹ نمونه صوتی از ۳۶ هزار و ۱۱۶ شرکت کننده در حال حاضر جمع آوری شده و می توان از آنها برای بهبود و اعتبارسنجی برنامه استفاده کرد.

این تیم همچنین در حال انجام تجزیه و تحلیل بیشتری برای درک پارامترهای موجود در صدا که بر مدل هوش مصنوعی تأثیر می‌گذارند، هستند.

لینک کوتاه : https://ainews.ir/?p=13353

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.