前言

为了应对新冠肺炎大流行的爆发，早期控制至关重要。在所有的控制措施中，高效、安全地识别潜在患者是最重要的部分。现有研究表明，人体生理状态可以通过呼吸感知，这意味着呼吸信号是在一定程度上能够反映人体健康状况的生命体征。许多临床文献表明异常呼吸症状可能是某些特定疾病诊断的重要因素。最近的研究发现，新冠肺炎患者有明显的呼吸症状，如呼吸急促、发烧、疲劳和干咳。根据最近的研究，在这些症状中，非典型或不规则呼吸被认为是早期症状之一。对于很多人来说，早期轻微的呼吸道症状很难被识别。因此，通过测量呼吸状况，可以在一定程度上筛选出潜在的新冠肺炎患者。这可以起到辅助诊断的作用，从而有助于尽早发现潜在的患者。

研究内容

上海交通大学的研究人员提出了一种基于呼吸数据的远程便携式智能健康筛查系统，用于新冠肺炎等呼吸系统疾病的预筛查和辅助诊断。为了在人们经常选择佩戴口罩的情况下更加实用，介绍了佩戴口罩人员的呼吸数据采集方法。在从热摄像机获得的视频中提取呼吸数据之后，执行深度学习神经网络来进行健康和异常呼吸状况之间的分类。为了验证算法的鲁棒性和设备的有效性，分析了面口罩类型、测量距离和测量角度对呼吸数据采集的影响。

实验方法

首先使用便携式智能筛选设备来获取热量和相应的RGB视频。在数据收集过程中，还会执行简单的实时筛选结果。获取热视频后，第一步是从热视频中的人脸提取呼吸数据。在提取过程中，使用人脸检测方法来捕捉人的掩蔽区域。然后提出一种感兴趣区域选择算法，从最能代表呼吸特征的掩膜中提取感兴趣区域。最后，使用一个带有注意机制(BiGRUAT)模型的双向GRU神经网络来处理输入呼吸数据的分类任务。该方法的一个关键点是从面部热视频中收集呼吸数据，这已被许多先前的研究证明是有效的。

便携式智能呼吸道感染健康筛查系统概述。

呼吸数据提取的管道。

四种模型的混淆矩阵。每行是实际标签的数量，每列是预测标签的数量。左边的是BiGRU-A T的结果，右边的是LSTM的结果。

当旋转角度以稳定的速度从45度变化到0度时获得的原始呼吸数据。蓝线代表俯仰轴旋转，红线代表偏航轴旋转。

结论

研究人员提出了一种基于便携式双模摄像机的异常呼吸检测方法，该摄像机可以同时记录RGB和热视频。在该检测方法中，首先实现了一个精确和鲁棒的呼吸数据检测算法，该算法可以精确地从戴口罩的人身上提取呼吸数据。然后，一个BiGRU-AT网络被应用于呼吸道感染的筛查工作。在验证实验中，得到的BiGRU-AT网络在真实数据集上取得了相对较好的结果，准确率为83.7%。对于患有呼吸系统疾病的患者，敏感度值为90.23%。可以预见，在具有更多临床呼吸症状的新冠肺炎患者中，这种分类方法可能产生更好的结果。实验结果为通过热呼吸数据扫描呼吸疾病提供了理论基础，这有助于鼓励对照临床试验和呼吁标记呼吸数据。在目前新冠肺炎病毒的传播过程中，该研究可以作为一种预扫描方法，用于社区、校园和医院等许多情况下的异常呼吸，有助于区分可能的病例，进而减缓病毒的传播。在未来的研究中，在确保便携性的基础上，他们计划使用更稳定的算法来最小化不同口罩对呼吸条件测量的影响。此外，可以考虑温度以实现对呼吸道感染的更高检测精度。

DOI：10.1109 / JSEN.2020.3004568。