IATos：基于咳嗽音频样本的 AI 驱动 COVID-19 预筛查工具
音频与语音处理
2021-12-10 v2 声音
摘要
目的：我们的目的是评估利用咳嗽音频记录（自发或模拟）来检测确诊 COVID-19 患者声音模式的可能性。引领本工作的研究问题是：以 RT-PCR 检测为金标准，基于机器学习的 COVID-19 咳嗽分类器的灵敏度与特异度如何？环境：本研究收集的音频样本来自布宜诺斯艾利斯市 20 家公立与 1 家私立机构中接受拭子检测的可疑 COVID 患者，以及 14 个收治确诊轻症 COVID 患者的院外隔离单元，这些机构均开展了 RT-PCR 研究。音频通过布宜诺斯艾利斯市政府专门设计的 WhatsApp 聊天机器人收集，用以回应市民与冠状病毒大流行（COVID-19）相关的咨询。参与者：所收集数据对应 2020 年 8 月 11 日至 12 月 2 日期间在布宜诺斯艾利斯市接受拭子检测的 2821 名个体。其中 1409 人 COVID-19 检测阳性，1412 人阴性。该样本中 52.6% 为女性，47.4% 为男性；2.5% 在 0–20 岁，61.1% 在 21–40 岁，30.3% 在 41–60 岁，6.1% 超过 61 岁。结果：使用 2821 人的数据集，我们的结果显示神经网络分类器能以 86% 的准确度区分 COVID-19 阳性与健康咳嗽。训练过程中获得的该准确度随后经对应 492 人的第二数据集测试并确认。
引用
@article{arxiv.2104.13247,
title = {IATos: AI-powered pre-screening tool for COVID-19 from cough audio samples},
author = {D. Trejo Pizzo and S. Esteban},
journal= {arXiv preprint arXiv:2104.13247},
year = {2021}
}