俄罗斯专家开发神经网络诊断系统 通过咳嗽声实时判断患者是否患有新冠
1月19日消息 据俄媒 Vesti 报道，俄罗斯专家开发了一种神经网络诊断系统，能够通过咳嗽声实时判断患者是否患有新冠肺炎。目前基于该诊断系统的手机 App Acoustery 也已开发出来。
据报道，项目负责人、俄罗斯科学院列别捷夫物理研究所研究员德米特里 · 米哈伊洛夫表示，诊断系统能够将所记录的咳嗽声 “可视化”，转化为频谱图，用肉眼就可以辨别新冠肺炎症状的特征。据悉，诊断系统会辨别患者的咳嗽是由新冠肺炎引起的，还是由其他呼吸系统疾病引起的。手机 APP Acoustery 的使用方法非常简单，只需用户对着手机麦克风咳嗽，程序便会实时做出诊断。
IT之家了解到，Acoustery 应用对于新冠肺炎的诊断准确度超过 85%，并且可以继续提高。它可以作为独立应用程序集成到苹果、谷歌和其他移动软件开发人员开发的热门电子健康平台中，也可以集成到各种终端中。
责任编辑：PSY
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4814浏览量
104462 -
诊断系统
+关注
关注
0文章
43浏览量
12071 -
俄罗斯
+关注
关注
1文章
57浏览量
13401
发布评论请先 登录
相关推荐
热点推荐
什么是开关柜后台专家故障诊断系统？在哪方面实现智能诊断？
蜀瑞创新为大家科普：开关柜后台软件-专家诊断系统是一种基于先进技术的智能化监测与诊断平台，旨在通过实时数据采集、分析和人工智能算法，对开关柜
BP神经网络与卷积神经网络的比较
多层。 每一层都由若干个神经元构成，神经元之间通过权重连接。信号在神经网络中是前向传播的，而误差是反向传播的。 卷积神经网络（CNN） ：
BP神经网络的优缺点分析
自学习能力 ： BP神经网络能够通过训练数据自动调整网络参数，实现对输入数据的分类、回归等任务，无需人工进行复杂的特征工程。 泛化能力强 ： BP神经网络
什么是BP神经网络的反向传播算法
神经网络（即反向传播神经网络）的核心，它建立在梯度下降法的基础上，是一种适合于多层神经元网络的学习算法。该算法通过计算每层网络的误差，并将这
BP神经网络与深度学习的关系
），是一种多层前馈神经网络，它通过反向传播算法进行训练。BP神经网络由输入层、一个或多个隐藏层和输出层组成，通过逐层递减的方式调整网络权重，
人工神经网络的原理和多种神经网络架构方法
在上一篇文章中，我们介绍了传统机器学习的基础知识和多种算法。在本文中，我们会介绍人工神经网络的原理和多种神经网络架构方法，供各位老师选择。 01 人工神经网络 ? 人工神经网络模型之所
诊断系统开发咨询服务
随着汽车电控系统复杂度及消费者对于汽车售后服务水平要求的提升，诊断系统开发在整车开发中的重要度日益突出。经过多年的实践，经纬恒润积累了丰富的经验，业务涵盖诊断协议及功能定义、
卷积神经网络与传统神经网络的比较
在深度学习领域，神经网络模型被广泛应用于各种任务，如图像识别、自然语言处理和游戏智能等。其中，卷积神经网络（CNNs）和传统神经网络是两种常见的模型。 1. 结构差异 1.1 传统神经网络
RNN模型与传统神经网络的区别
传统神经网络（前馈神经网络） 2.1 结构 传统神经网络，通常指的是前馈神经网络（Feedforward Neural Networks, FNN），是一种最简单的人工
LSTM神经网络的结构与工作机制
的结构与工作机制的介绍： 一、LSTM神经网络的结构 LSTM神经网络的结构主要包括以下几个部分： 记忆单元（Memory Cell） ： 记忆单元是LSTM网络的核心，负责在整个序列处理过程中保持和更新长期依赖信息。 它主要由
Moku人工神经网络101
Moku3.3版更新在Moku:Pro平台新增了全新的仪器功能【神经网络】，使用户能够在Moku设备上部署实时机器学习算法，进行快速、灵活的信号分析、去噪、传感器调节校准、闭环反馈等应用。如果您
关于卷积神经网络，这些概念你厘清了么~
人员必须通过决策阈值做出决定。
另一个区别是AI并不依赖固定的规则，而是要经过训练。训练过程需要将大量猫的图像展示给神经网络以供其学习。最终，神经网络将能够独立识别图像中是否有猫。关键
发表于 10-24 13:56
【飞凌嵌入式OK3576-C开发板体验】RKNN神经网络算法开发环境搭建
download_model.sh 脚本，该脚本
将下载一个可用的 YOLOv5 ONNX 模型，并存放在当前 model 目录下，参考命令如下：
安装COCO数据集，在深度神经网络算法中，模型的训练离不开大量的数据集，数据集用于神经网络模型的训练。
发表于 10-10 09:28
Arm技术助力Quvium打造智能咳嗽监测器
设计一款小巧轻便、适合儿童佩戴且电池续航时间长的咳嗽监测器。且为这一监测器设备进行强大的机器学习 (ML) 算法开发，用以分析咳嗽频率，同时还可屏蔽背景噪声，实现仅监控咳嗽声的效果。
工商网监
评论