通过分析声带振荡检测 COVID-19
音频与语音处理
2020-10-22 v1 机器学习
声音
摘要
发声（即声带振动）是人类发浊音时发声的主要来源。这是一个复杂的生物力学过程，对说话者呼吸参数的变化高度敏感。由于大多数有症状的 COVID-19 病例伴有中度至重度呼吸功能受损，我们假设 COVID-19 的特征信号可通过检查声带振动来观测。我们的目标是验证该假设，并对观察到的变化进行定量表征，以实现从声音中检测 COVID-19。为此，我们采用声带振荡的动力学系统模型，并利用我们近期开发的 ADLES 算法从录制的语音中直接求解出声带振荡模式。在一个临床整理的 COVID-19 阳性与阴性受试者数据集上的实验结果显示出与 COVID-19 相关的特征性声带振荡模式。我们表明这些模式足够显著且具有区分性，以至于即便是逻辑回归等简单分类器仅使用孤立延长元音的录音也能取得高检测准确率。
引用
@article{arxiv.2010.10707,
title = {Detection of COVID-19 through the analysis of vocal fold oscillations},
author = {Mahmoud Al Ismail and Soham Deshmukh and Rita Singh},
journal= {arXiv preprint arXiv:2010.10707},
year = {2020}
}
备注
5 pages, 6 figures