研究人员为智能扬声器开发AI算法,用于检测心脏骤停

2019年06月25日 由 bie管我叫啥 发表 476089 0
仅在美国,每年有近50万死于心脏骤停,立即进行CPR可以使某人的生存机会增加二倍到三倍,但这需要有其他人在场。心脏骤停通常发生在医院外和家中。最近的研究表明,在医院外心脏骤停的最常见位置之一是病人的卧室,尤其是没有人在周围或提供护理的情况下。

华盛顿大学的研究人员开发了一种新工具,用于在人们睡着时监视心脏骤停而无需与人体有直接接触。智能音箱可检测到濒死状态下的喘息声,并发出呼救信号。平均而言,这个概念验证工具是使用从911电话中捕获的真实的终末频死呼吸实例开发的,在6米之外检测到呼吸事件,准确率为97%。

“很多人家中都有智能扬声器,这些设备具有我们可以利用的惊人功能,”联合通讯作者Shyam Gollakota表示,“我们设想的是一种非接触式系统,可以通过持续和被动地监控卧室呼吸,并提醒附近的人提供心肺复苏术。如果没有响应,设备可以自动拨打911。”

训练数据


据911呼叫数据显示,约50%的心脏骤停患者会发生终末频死呼吸,而这样的患者往往有更好的生存机会。当患者的氧气水平很低时就会发生这种呼吸,这是一种喉咙喘气的声音,它的独特性使它成为一个很好的音频生物标志物,用于识别是否有人正在经历心脏骤停。

研究人员从911电话和西雅图的紧急医疗服务部门收集了呼吸音。由于心脏骤停患者通常是无意识的,旁观者通过将他们的电话放到患者口中来记录该呼吸音,以便调度员可以确定患者是否需要立即进行心肺复苏。该团队在2009年至2017年期间收集了162个电话,并在每次终末频死呼吸开始时提取了2.5秒的音频,总共有236个剪辑。该团队在不同的智能设备上捕获了录音,包括Alexa,iPhone 5s和三星Galaxy S4,并使用各种机器学习技术将数据集增加到7316个正片段。

“我们在不同距离播放这些例子,以模拟患者在卧室不同位置时听起来的样子,”第一作者,艾伦学校的博士生Justin Chan说,“我们还添加了不同的干扰声音,例如猫和狗的声音,汽车鸣喇叭,空调,以及通常在家中能听到的声音。”

对于负数据集,该团队使用了睡眠研究期间收集的83小时音频数据,产生了7305个声音样本。这些片段包含人们在睡眠中产生的典型声音,例如打鼾或阻塞性睡眠呼吸暂停。

从这些数据集中,团队使用机器学习创建了一种工具,可以在智能设备放置在距离产生声音的扬声器6米的位置时,97%的时间内可以检测到终末频死呼吸呼吸。

测试算法


接下来,该团队对该算法进行了测试,以确保它不会意外地将不同类型的呼吸分类为紧急情况,如打鼾。

“我们不想错误地警示紧急服务或亲人,因此减少误报率非常重要,”Chan说。

对于睡眠实验室数据,该算法在0.14%的情况下错误地将呼吸声音归类为紧急情况。对于单独的音频片段,误报率约为0.22%,但是当只在间隔至少10秒的时间内检测到两种不同的事件,才将其归类为终末频死呼吸时,两种测试的误报率都降到了0%。

该团队设想这个算法可以作为应用程序,或作为Alexa的功能,在人们睡觉时在智能扬声器或智能手机上被动地运行。

“这可以在Alexa中包含的处理器上本地运行。它实时运行,因此无需存储任何内容或向云端发送任何内容,”Gollakota说。

研究人员计划通过华盛顿大学附属机构和Sound Life Sciences将这项技术商业化,“心脏骤停是导致人们死亡的一种非常常见的方式,使这项技术如此引人注目的部分原因在于,它可以帮助我们及时发现更多患者并得到治疗。”
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消