Virufy：一种用于 COVID-19 自动检测的多分支深度学习网络
声音
2021-03-18 v2 机器学习
音频与语音处理
摘要
快速且经济的新冠检测方案对于遏制全球大流行的蔓延并缓解医疗设施负担十分必要。当前，有限的检测点与昂贵的设备给受检个体带来困难，尤其在资源匮乏地区。研究者已成功提出利用临床环境采集的音频样本检测新冠感染状态的模型[5,15]，表明基于音频的人工智能模型可用于识别 COVID-19。此类模型有望部署于智能手机，实现快速、广泛且低资源的检测。然而，先前研究多在主要采集自临床环境的已清洗音频样本上训练模型，而普通智能手机采集的音频样本质量可能欠佳，且与模型训练所用的干净数据不同。这一差异可能引入偏差，影响新冠状态预测。为此，我们提出一种多分支深度学习网络，其在众包数据上训练与测试，其中多数数据未经人工处理与清洗。此外，该模型在 COUGHVID 数据集[16]上取得了当前最优结果。在细分各类别结果后，我们对新冠阳性标签的音频样本展示了 0.99 的 AUC。
引用
@article{arxiv.2103.01806,
title = {Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19},
author = {Ahmed Fakhry and Xinyi Jiang and Jaclyn Xiao and Gunvant Chaudhari and Asriel Han and Amil Khanzada},
journal= {arXiv preprint arXiv:2103.01806},
year = {2021}
}