语音识别新冠,到底离我们有多远

在文章提到，我们发现最近有一款小程序通过语音识别一个人是否感染新冠病毒；语音识别在技术上的基本原理是什么呢？最近的发展有哪些呢？下面请大家随小编来看一下...

在没有现代化的早期社会，医生是如何给病人看病的呢？四字箴言“望闻问切”,其中的闻不仅指气息，同时也包含声音；在现代化的社会，听诊器是必不可少的工具；因此，声音是医学范畴内的重要医疗数据。基于此，我们在人工智能的时代，通过人工智能加持医学，使得机器诊断变得可能。在疫情爆发，全球医疗资源紧张的今天，通过语音识别新冠有望解燃眉之急。

发音器官

在使用语音识别新冠之前我们需要了解一下人的发音基本原理，首先人的发音器官包括：肺、气管、声带、喉、咽、鼻腔、口腔、唇；肺部产生的气流冲击声带，产生震动，从而产生声音。

研究表明，人体发声时会产生相应的生物标记物，当身体出现健康问题时，疾病的特异性干扰会对人体某个系统或多个系统产生细微、肉眼难以察觉、但具有特性的变化，生物标记物含量由此产生变化。而这种变化，可以利用机器来进行检测和分析计算。

声音时、频谱图

卡内基梅隆大学（CMU）一支研究团队长期致力于语音取证技术的研究，他们研究发现人的声音受到器官机构状况和健康程度的影响，能揭示生理/心理甚至医学数据。受新冠肺炎病毒感染的患者，肺部会发生一些病变，其呼吸模式等参数会受到影响，导致发出的声音（呼吸间隔、咳嗽声等）出现一些异常特征，算法通过学习数据能够抓取识别出这些病症。

卡内基梅隆大学（CMU）一支研究团队长期致力于语音取证技术的研究，他们研究发现人的声音受到器官机构状况和健康程度的影响，能揭示生理/心理甚至医学数据。受新冠肺炎病毒感染的患者，肺部会发生一些病变，其呼吸模式等参数会受到影响，导致发出的声音（呼吸间隔、咳嗽声等）出现一些异常特征，算法通过学习数据能够抓取识别出这些病症。

语音识别新冠流程

语音识别新冠整个流程，首先需要数据采集，其次使用这些数据来训练语音模型，模型训练完成后，最后使用训练的模型用于测试人群，得到感染新冠的分数。机器识别的准确率很大程度上取决于数据信息的丰富度，当训练的样本数据足够多，足够丰富，机器判断的准确率也能提高。

下面我们来看看语音识别新冠的一些进展：

卡内基梅隆大学在年4月发布过了一个简易的测试程序,受试者需要填写个人健康相关信息，并录制咳嗽、英文元音的发音，数字和字母表朗读等语音信息。系统最后会返回一个分数，表明所录制的声音和收集到的COVID-19患者数据相比，其感染特征相符合的程度。

ResApp表示，在印度和美国对名患者进行的临床试验中，该算法正确地检测出了92%的新冠病毒感染者。ResAppDx目前在欧洲通过了CE市场认证，在澳大利亚获得了TGA许可批准，值得注意的是，应用程序筛查并不能完全代替临床医生的诊断，但可用作COVID-19的早期预警，或者说是筛查，而不是诊断。

两家以色列健康科技公司BeyondVerbal和Healthymize合并设立的VocalisHealth在年底获得了以色列健康技术和生命科学风险投资公司Amoon牵头的万美元融资。在年2月，Vocalis宣布其COVID-19筛查工具VocalisCheck在大型临床研究中成功验证，并已获得CE标志，成为首个获得CE批准的新冠筛查医疗设备。

剑桥大学也推出了用声音检测COVID-19的项目。但稍有不同的是，剑桥大学仅仅还是只是收集数据，还不提供检测的结果。

转载请注明：http://www.abuoumao.com/hyfz/5560.html