آشنایی با فناوری هوشمندی که سرفه های کرونایی را تشخیص می دهد

به نظر می رسد با طولانی تر شدن روند ابتلا به کرونا در سراسر جهان و افزایش شمار مبتلایان، سیستمهای هوشمند نیز تصمیم گرفته اند در این زمینه با تمرکز بالاتری فعالیت کنند و یکی از جدیدترین نمونه های این تلاش ها ایجاد سیستم هوشمند تشخیص سرفه های کرونایی است.

به گزارش سرویس آی تی و فناوری انتخاب، جامعه هوش مصنوعی در تلاش است تا با استفاده از انواع الگوریتم های موجود در جعبه ابزار خود ، عالم گیری ویروس کرونا را مهار کند. به این ترتیب که اکنون روش هایی برای پیش بینی ساختار پروتئین ویروس ارائه شده است و هزاران مقاله علمی وجود دارد و حتی اکنون نوع سرفه های کرونایی تشخیص داده می شود.

شاید بگویید انسانها نیز می توانند صدای سرفه ها را بشنوند و نظر دهند، پس چه نیازی به سیستم هوشمند داریم؟ پاسخ این است که رایانه ها می توانند فرایند شمارش تعداد سرفه های محیط را به صورت خودکار  انجام داده و در نهایت کمک به متخصصان برای جمع آوری آمار و پیش بینی و مبارزه با شیوع بیماری های تنفسی اقداماتی انجام دهند. حتی می توانند مشخص کنند سرفه های مذکور به سرماخوردگی مرتبط بود یا آنفولانزا یا کرونا و سارس.

برنامه هوشمند FluSense برنامه ای است که توسط پژوهشگران دانشگاه ماساچوست طراحی شده و قادر است نوع و تعداد سرفه های افراد را به سرعت شمارش کرده و تشخیص دهد. سازندگان FluSense می گویند که پلتفرم جدید محاسباتی، قابلیت استفاده در بیمارستان ها، سالن های انتظار مراقبت های بهداشتی و فضاهای عمومی بزرگتر را دارد. حتی می تواند برای آنفولانزای فصلی، سرماخوردگی ها یا سایر بیماری های اپیدمیک استفاده شود.

مدل هایی مانند این می توانند با اطلاع مستقیم و ارسال پاسخ بهداشت عمومی هنگام بروز بیماری آنفولانزا ، نجات دهنده باشند. این منابع داده می توانند به تعیین زمان مناسب واکسن آنفولانزا، محدودیتهای احتمالی سفر ، تخصیص منابع پزشکی و موارد دیگر کمک کنند.

این سیستم هوشمند شامل یک دوربین حرارتی برای بررسی گرمای ساطع شده از بدن ما و یک میکروفون برای ضبط صدا است. این داده ها سپس در Raspberry Pi تغذیه می شوند و به یک سیستم ارسال اطلاعات متصل می شوند که  مدل شبكه عصبی پیچیده را اجرا می كند و برای تشخیص صدای سرفه ها آموزش دیده است. بنابراین می توان تعداد سرفه ها را شمارش کرد و به همراه تعداد جمعیت شناسایی شده به مدل های پیش بینی شده وصل شد و در نهایت شدت و وخامت اوضاع را به سرعت ارزیابی کرد.