Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 هوش مصنوعی، کووید-19 را بر اساس صدای کاربر شناسایی می‌کند!

هوش مصنوعی، کووید-19 را بر اساس صدای کاربر شناسایی می‌کند!

در مراحل اولیه برخی از بیماری‌ها، ممکن است شواهد محدودی مبنی بر ایجاد آن بیماری وجود داشته باشد. بااین‌حال، برخی از سرنخ‌های ظریف ممکن است هنوز وجود داشته باشند.

به گزارش هوشیو در مطالعات اخیر نشان داده شده است که الگوریتم‌های هوش مصنوعی می‌توانند با موفقیت، از روی صدای کاربرد، آن‌هایی را که در مراحل اولیه بیماری پارکینسون یا عفونت شدید ریه‌ها کووید-19 هستند، شناسایی کنند. محققان این الگوریتم‌ها را در یک اپلیکیشن گوشی هوشمند به نام Aum قرار دادند که می‌تواند برای تشخیص و نظارت بر شرایط مربوطه استفاده شود.

دینش کومار، استاد دانشگاه سلطنتی در این خصوص می‌گوید: «[صدای مردم] به طور معمول توسط پزشکان برای ارزیابی بیمارانشان استفاده می‌شود، به‌ویژه برای بیماری‌های عصبی، مانند پارکینسون، ریوی و حتی کووید-19. این رویکرد تنها برای تشخیص بیماری نیست، بلکه برای ارزیابی اثرات دارو و بهینه‌سازی دوز مصرفی نیز هست.»

تشخیص کووید با هوش مصنوعی از روی صدای کاربر

کومار و همکارانش برای کشف اینکه آیا این موضوع می‌تواند توسط الگوریتم‌های یادگیری ماشین شناسایی شود، 36 فرد مبتلا به بیماری پارکینسون و 36 داوطلب سالم را انتخاب کردند. نکته مهمی که در این تحقیق وجود داشت این بود که بین صدای افراد تفاوت‌هایی طبیعی وجود دارد که می‌تواند تشخیص این را دشوار کند که چه کسی اختلال زمینه‌ای دارد و چه کسی ندارد. کومار می‌گوید: «برای غلبه بر این مشکل، ما به دنبال صداهای غیرزبانی بودیم که بتواند بیماری را با وجود تفاوت‌های طبیعی در صدای افراد تشخیص دهد.»

بنابراین، تیم او از شرکت‌کنندگان در مطالعه خواست تا واج‌های مختلفی را بگویند که به صداهای گلو (/a/)، دهان (/o/) و بینی (/m/) نیاز دارند. سپس یک الگوریتم یادگیری ماشینی را به کار بردند که می‌تواند بین افراد مبتلا به بیماری پارکینسون و داوطلبان سالم، با وجود سروصدای محیط، تمایز قائل شود. آن‌ها نتیجه را این‌گونه گزارش دادند که این الگوریتم می‌تواند افرادی را که مبتلا به بیماری پارکینسون هستند، با دقت صددرصد شناسایی کند.

یکی از محققین این پژوهش، نموئل پا، فرصتی داشت تا مطالعه مشابهی را بر روی بیماران کووید-19 در اندونزی در طول ژوئن و ژوئیه 2021 انجام دهد. در آن مورد، نموئل پا، ۴۰ بیمار کووید-19 بستری‌شده در بیمارستان را ثبت کرد که در طول 22 روز، از آن‌ها خواسته شد شش واج را بگویند (یعنیa/، /e/، /i/، /o/، /u و/m/).

محققان سپس الگوریتم یادگیری ماشینی متفاوتی را روی آن داده‌ها اعمال کردند و دریافتند که ویژگی‌های استخراج‌شده از مصوت /i/ در طول 3 روز اولی که در بیمارستان بستری شده بودند، بیشترین تأثیر را در تمایز بین افراد مبتلا به عفونت ریه کووید-19  داشت.

کومار در این مورد می‌گوید: «مزیت استفاده از اپلیکیشن برای شناسایی بیماران کووید-19 این است که ضبط صدا نیازی به تماس فیزیکی پزشک با بیمار ندارد.» او می‌گوید: «ضبط‌های صدا را بیشتر می‌توان برای بیمارانی به کار برد که دورند.» به‌طورکلی، کومار و همکارانش علاقه‌مندند این رویکردها را در دنیای واقعی مورد استفاده قرار دهند که البته برای کسب نتایج بهتر باید تلاش کنند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

مقاله ما چطور بود؟

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.