从众包呼吸音数据探索 COVID-19 的自动诊断
声音
2021-01-19 v3 机器学习
音频与语音处理
摘要
人体产生的音频信号（如叹息、呼吸、心跳、消化、振动声）已被临床医生常规用作诊断疾病或评估疾病进展的指标。直到最近，此类信号通常通过在预约就诊时的人工听诊采集。研究现已开始使用数字技术收集体内声音（例如来自数字听诊器）以进行心血管或呼吸检查，进而可用于自动分析。一些初步工作在从语音和咳嗽中检测 COVID-19 的诊断信号方面显示出前景。本文中，我们描述了对一个大规模众包呼吸音数据集的数据分析，该数据集为辅助 COVID-19 诊断而收集。我们利用咳嗽和呼吸来理解 COVID-19 声音与哮喘或健康对照中的声音在多大程度上可区分。我们的结果表明，即便一个简单的二分类机器学习分类器也能正确分类健康与 COVID-19 声音。我们还展示了如何区分 COVID-19 检测阳性且有咳嗽的用户与健康有咳嗽的用户，以及 COVID-19 检测阳性且有咳嗽的用户与哮喘且有咳嗽的用户。我们的模型在所有任务上均达到 80% 以上的 AUC。这些结果是初步的，仅触及此类数据与基于音频的机器学习潜力的表面。本工作为进一步研究自动分析的呼吸模式如何用作辅助 COVID-19 诊断的预筛查信号打开了大门。
引用
@article{arxiv.2006.05919,
title = {Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data},
author = {Chloë Brown and Jagmohan Chauhan and Andreas Grammenos and Jing Han and Apinan Hasthanasombat and Dimitris Spathis and Tong Xia and Pietro Cicuta and Cecilia Mascolo},
journal= {arXiv preprint arXiv:2006.05919},
year = {2021}
}
备注
9 pages, 6 figures, 2 tables, Accepted for publication at KDD'20 (Health Day)