COVID-Net Assistant：一种用于COVID-19症状预测与推荐的深度学习驱动虚拟助手
机器学习
2022-11-23 v1 声音
音频与语音处理
摘要
随着COVID-19大流行持续给全球医疗系统带来沉重负担，人们越来越关注寻找低成本的症状预筛查与推荐方法，以协助高效利用PCR检测等可用医疗资源。在本研究中，我们介绍了COVID-Net Assistant的设计，这是一种高效的虚拟助手，旨在通过深度卷积神经网络分析用户的咳嗽录音，为COVID-19提供症状预测与推荐。我们在Covid19-Cough基准数据集上探索了多种通过机器驱动设计探索生成的高度定制化轻量卷积神经网络架构（我们称之为COVID-Net Assistant神经网络）。Covid19-Cough数据集包含来自COVID-19阳性队列的682段咳嗽录音和来自阴性队列的642段录音。在标注为阳性的682段录音中，有382段经PCR检测确认。我们的实验结果显示出良好前景，COVID-Net Assistant神经网络展现出稳健的预测性能，AUC分数超过0.93，最佳分数超过0.95，同时推理快速且高效。COVID-Net Assistant模型通过COVID-Net开放计划以开源方式提供，尽管并非生产就绪的解决方案，我们希望其可用性可作为临床科学家、机器学习研究者以及公民科学家开发创新方案的优质资源。
引用
@article{arxiv.2211.11944,
title = {COVID-Net Assistant: A Deep Learning-Driven Virtual Assistant for COVID-19 Symptom Prediction and Recommendation},
author = {Pengyuan Shi and Yuetong Wang and Saad Abbasi and Alexander Wong},
journal= {arXiv preprint arXiv:2211.11944},
year = {2022}
}