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