2018.01—2021.12 MRC Newton Fund, Wellcome Trust, and Bill & Melinda
Gates Foundation, Comprehensive Resistance Prediction for Tuberculosis: an
International Consortium,参与(第一指导老师)
2019.01—2022.12 国家自然科学基金,基于源/场模式映射关系的近场声全息理论与测试方法研究,负责人(指导老师)
提供数据采集、数据预处理、特征提取、算法研究及数据分析指导
- 项目简介:
呼吸道感染是由致病微生物入侵呼吸道并进行繁殖所致的疾病。据WHO报告,下呼吸道感染是世界上最致命的传染病,是引起死亡的第四大死因,2019全球近260万人死亡。据研究报道,2019年上呼吸道感染的发病率高达52.0-128.2/10万。由此可见,呼吸道感染依然是全球面临的巨大挑战。新冠肺炎和肺结核均为流行率较高的呼吸道传染病。本项目拟通过声音数据,构建人工智能模型,通过低成本的无实验室方法,检测常见的呼吸道传染病。本项目有助于建立针对中国人的声纹-呼吸道感染数据集,研发呼吸道感染异常检测与典型呼吸道传染病分类模型。
- 项目现有基础:
咳嗽与发声检测已分别用于辨识结核病与新冠肺炎患者。线上已有可公开申请的国外新冠肺炎音频数据,可以快速收集本地新冠肺炎与结核病患者音频数据。
- 预期需要开展的工作
远程收集上述呼吸道传染病患者的音频数据
预处理音频数据和提取声纹特征
验证呼吸道传染病智能识别人工智能算法模型
3-4名,对数字健康、人工智能有热情和基础的学生