基于声音与症状的多模态COVID-19即时诊断
音频与语音处理
2021-06-08 v2 声音
信号处理
摘要
在COVID-19大流行爆发后，识别呼吸系统疾病声学生物标志物的研究方向重新受到关注。在本文中，我们设计了一种利用众包多模态数据进行COVID-19诊断的方法。该数据资源包括咳嗽、呼吸和语音等声学信号以及症状数据，通过一款网络应用程序在十个月内录制完成。我们研究了将简单时频特征的统计描述子用于声学信号、将二元特征用于症状存在情况的方法。与以往工作不同，我们主要关注将逻辑回归和支持向量机等简单线性分类器应用于声学数据，而对症状数据采用决策树模型。我们表明，声学与症状分类器的多模态融合达到了92.40的曲线下面积(AUC)，显著优于任何单一模态。我们还提供了若干消融实验，突出了对COVID-19诊断任务重要的声学与症状维度。
引用
@article{arxiv.2106.00639,
title = {Multi-modal Point-of-Care Diagnostics for COVID-19 Based On Acoustics and Symptoms},
author = {Srikanth Raj Chetupalli and Prashant Krishnan and Neeraj Sharma and Ananya Muguli and Rohit Kumar and Viral Nanda and Lancelot Mark Pinto and Prasanta Kumar Ghosh and Sriram Ganapathy},
journal= {arXiv preprint arXiv:2106.00639},
year = {2021}
}
备注
The Manuscript is submitted to IEEE-EMBS Journal of Biomedical and Health Informatics on June 1, 2021