该平台被称为“FluSense”，它使用机器学习从收集的数据中检测模式。它用于医院和医疗候诊室，以及更大的公共空间。

 

研究人员希望，FluSense能够扩展卫生监测工具，沐鸣测速地址用于预测季节性流感和其他呼吸道病毒疫情，如第19次流行性感冒。随着各国政府努力通过广泛的测试和空前的大规模封锁来控制病毒，对监测和预测感染趋势的工具的需求得到了极大的缓解。

 

通过冲洗获得信息的模型可以直接告知在病毒流行期间的公共卫生反应，例如通过确定流感疫苗宣传的时间、旅行限制以及分配必要的医疗用品(如口罩、检测包和呼吸机)。

 

该大学计算机与信息科学助理教授陶希德•拉赫曼说:“‘冲水’技术可以让我们更准确地预测流感趋势。”

 

该平台包括一个低成本的麦克风阵列和热摄像机。来自这些传感器的数据使用树莓派(Raspberry Pi)和神经计算引擎进行处理，不存储任何可识别的信息。研究人员开发了一个基于实验室的咳嗽模型，然后训练了一个板载的人工神经网络来识别与人相对应的热图像区域，并对其进行计数。

 

2018年12月至2019年7月，他们将这些设备放置在该大学健康服务诊所的四个医疗候诊室。在此期间，沐鸣测速他们收集并分析了超过35万张热图像和2100万份音频样本。

 

研究人员发现，FluSense能够准确预测诊所的每日疾病率，其研究结果与基于实验室的流感类疾病测试“高度相关”，包括流感本身。

 

研究人员写道:“FluSense捕捉到的早期症状相关信息可以为当前的流感预测工作提供有价值的补充和补充信息。”

 

该研究的第一作者Forsad Al Hossain表示，FluSense就是一个将人工智能与边缘计算(从源头收集和处理数据)相结合的例子。“我们正试图将机器学习系统推向边缘。所有的过程都发生在这里。这些系统正变得越来越便宜和强大，”他说。

 

接下来，研究人员计划在其他公共场所测试冲水功能，沐鸣测速以证明它在非医院环境下同样有效。