基于AI和热成像技术的设备对公共场所进行流感疾病调查

由马萨诸塞州阿默斯特大学（UMass）团队开发的一种非接触式便携式监视设备，可以在公共等待区域以不显眼的方式实时捕获与流感样疾病的物理症状直接相关的人群水平的生物临床信号，然后分析数据以直接监控类似流感的疾病和流感趋势。这种称为FluSense的健康监视设备由人工智能（AI）提供动力。它可用于医院，候诊室和较大的公共场所，以预测季节性流感和其他病毒性呼吸道疾病暴发，例如COVID-19大流行或SARS。

FluSense使用麦克风阵列和热像仪以及神经计算引擎来被动和连续地表征语音和咳嗽声音以及边缘人群密度的变化。它不存储任何个人身份信息，例如语音数据或区别图像。

用于检测公共场所中类似流感的疾病的FluSense便携式监视设备，UMass Amherst。

FluSense设备装有这些组件。由UMass Amherst提供。

为了制造这种装置，研究人员首先开发了一个基于实验室的咳嗽模型。然后，他们训练了一个深度神经网络分类器，以在代表人的热图像上绘制边界框并对其进行计数。Tauhidur Rahman教授说：“我们的主要目标是在人口层面，而不是个人层面建立预测模型。”

研究人员将大约相当于一个大字典大小的FluSense放在了麻省大学大学健康服务诊所的四个卫生保健候诊室中。从2018年12月到2019年7月，FluSense平台收集并分析了来自公共等候区的35万张热图像和2100万张非语音音频样本。

FluSense能够以0.95的皮尔逊相关系数准确预测每日患者人数。研究人员将来自FluSense的信号与在同一设施中获得的实验室确认的流感病例数据进行了比较，发现基于FluSense传感器的功能与实验室确认的流感趋势密切相关。

FluSense捕获的早期症状相关信息可以支持当前的流感预测工作，例如FluSight Network，这是一个由流感预测团队组成的跨学科联盟。拉赫曼说：“我认为，如果我们能够从许多人自然聚集的公共场所捕捉到咳嗽或打喷嚏的声音，我们可以利用这些信息作为预测流行病学趋势的新数据来源。”

FluSense设备包含这些组件。

研究员Forsad Al Hossain表示，FluSense由边缘计算传感器系统，模型和数据处理管道组成，展示了将AI与边缘计算相结合的价值，从而可以在数据源处收集和分析数据。他说：“我们正在努力将机器学习系统带到边缘。” “所有处理都在此处（在FluSense设备中）进行。这些系统变得越来越便宜，功能越来越强大。”

下一步是在其他公共区域和地理位置测试FluSense。“我们初步确认咳嗽确实与流感相关疾病有关，”安德鲁·洛弗教授说。“现在，我们要在特定的医院环境之外对其进行验证。”

这项研究发表在《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Tech》（www.doi.org/10.1145/3381014）。