تشخیص سرماخوردگی از روی تغییرات صدا با کمک هوش مصنوعی

با پیشرفت الگوریتم های یادگیری و استفاده روزافزون از آنها، تسلیم شدن در برابر این بیماری دشوارتر می شود. به پایان رساندن یک روز کاری خسته کننده با سرفه و عطسه تلفنی در حین صحبت با رئیستان ممکن است دیگر موثر نباشد. این احتمال وجود دارد که به زودی شرکت ها بتوانند با کمک الگوریتم های آموزش دیده هوش مصنوعی متوجه شوند که آیا شما دچار سرماخوردگی هستید یا مستعد ابتلا به سرماخوردگی هستید. تشخیص سرماخوردگی با هوش مصنوعی ممکن است هنوز 100 درصد دقیق نباشد، اما روند جالبی دارد.

سرماخوردگی و تاثیر آن بر صدا

یکی از عوارض بیدار شدن با بینی پر و صدایی شبیه غاز که ناشی از عفونت با ویروس سرماخوردگی باشد، تغییر صدای او است. این به خاطر آن است که تارهای صوتی به طور معمول ملتهب می‌شوند و خصوصیات صوتی آنها تغییر می‌کنند. از طرفی هنگامی که بافت‌های صوتی به طور موقت متورم شده‌اند با فرکانس‌های پایین‌تری ایجاد صوت می‌کنند که به سبب آن، افرادی که به سرماخوردگی مبتلا هستند، صدایی عمیق‌تر و بم‌تر به خود می‌گیرند.

کشف رابطه بین فرکانس‌های صوتی و سرماخوردگی توسط ماشین

تیم تحقیقاتی در مؤسسه ملی فناوری سردار والابه‌ای در شهر سورات هند، سعی کردند تا به دقت بفهمند چگونه صدای شخصی که سرماخورده از صدای شخص سالم متفاوت است. تحقیقات آنها با استفاده از این واقعیت انجام شد که صدای انسان، مانند هر ساز موسیقی، ترکیبی از چند فرکانس صوتی است. حتی بهترین خوانندگان آموزش دیده هم نمی‌توانند نت‌های خالص تولید کنند. به جای آن، نت‌های اصلی در صدای انسان همراه با سری‌ فرکانس بالا همراه هستند.

صدای تولیدی توسط انسان متشکل از مجموعه‌ای از فرکانس‌ها است. این مجموعه فرکانس‌ها الگوهایی را تشکیل می‌دهند که در ریاضی به آن‌ها الگوهای هارمونیک می‌گویند. به عنوان مثال، فرکانس نت دومین هارمونیک دو برابر فرکانس نت اصلی است و به همین ترتیب می‌توان برای بقیه نت‌ها نیز الگوهایی یافت. از جهتی باید در نظر داشت که بلندی (صدای بلند) این هارمونیک‌ها در گفتار به تدریج با افزایش مقیاس فرکانسی کاهش می‌یابد. با این وجود تیم پژوهشگران به رهبری پانکاج وارول، یک مهندس الکترونیک، استدلال می‌کنند که احتمالاً عفونت با سرماخوردگی ممکن است باعث تغییر شیوه ایجاد این کاهش نت‌ها شود.

آزمایش نظریه تشخیص سرماخوردگی با هوش مصنوعی

این گروه برای اثبات نظریه خود، دست به انجام یک سری آزمایش نامعمول زدند. آن‌ها صدای ۶۳۰ نفر در آلمان، که ۱۱۱ نفر از آن‌ها دچار سرماخوردگی بودند را ضبط کردند. از هر کدام از این افراد خواسته شده بود که از ۱ تا ۴۰ را بشمارند و در مورد فعالیت‌های خود در طول آخر هفته‌ صحبت کنند. همچنین از آن‌ها خواسته شد که متنی را با صدای بلند مطالعه نمایند.

همچنین بخوانید : تولید گوشت مصنوعی با عطر چربی‌های آزمایشگاهی

با تجزیه و تحلیل صداهای ضبط شده، به طیف طول موج‌های سازنده آن صداها، پژوهشگران می‌توانستند فرکانس غالب و هارمونیک‌های هر مورد را  تک تک شناسایی کنند. سپس از الگوریتم های یادگیری ماشین برای تحلیل روابط بین طول این هارمونیک‌ها استفاده کردند و الگوهایی را که می‌توانستند صداهای سرمازده را از صداهای سالم تمایز دهند، شناسایی کردند. آن‌ها نتایج پژوهش خود را در مجله “Biomedical Signal Processing and Control” منتشر کردند.

تشخیص دیگر بیماری‌ها با کمک الگوریتم‌های تحلیل صدا

باید توجه داشت که این تنها سرماخوردگی رایج نیست که می‌تواند با استفاده از آنالیز صدا تشخیص داده شود. بیماری‌هایی از جمله بیماری پارکینسون، افسردگی و سرطان‌های سر و گردن نیز می‌توانند الگوهای فرکانس‌ها را در صدای فرد تحت تأثیر قرار دهد که تشخیص این نوع بیماری‌ها نیز حداقل روی کاغذ توسط الگوریتم‌های هوش مصنوعی امکانپذیر است. برای عملیاتی کردن این بخش نیاز به تلاش گسترده‌تر پزشکان، روان‌پزشکان و دانشمندان کامپیوتری برای کشف از راه دور بیماری در داده‌های جمع‌آوری شده از سخنان، نوشتار و حتی راه رفتن افراد است.

درصد موفقیت الگوریتم

تشخیص صدای سرماخوردگی تیم هندی هنوز کاملاً اطمینان‌بخش نیست. نتایج نشان می‌دهد که در حدود ۷۰٪ مواقع، می‌تواند سرماخوردگی را به درستی تشخیص دهد. با توجه به درصد موفقیت تشخیص این الگوریتم، آیا شما حاضرید که ریسک تمارض به سرماخوردگی را بپذیرید؟

این خبر باز نشر از منبع بوده و دولوپرسنتر هیچ مسئولیتی در قبال صحت آن نداد.