流感是一種傳染性呼吸道病毒性疾病，會引發急性疾病，通常會影響患者的鼻子、喉嚨和肺部。疾病控制和預防中心（CDC）估計，在美國，每個季節有400-2300萬人感染流感，并且會導致1.2-7.9萬人死亡[1]，這嚴重影響了美國的經濟。疾病控制和預防中心（CDC）當前的流感監測和預測主要來自于國家級公共衛生機構的“流感樣疾病”報告，在整個傳播季節，疾病控制和預防中心每周都會監測各個州和區的流感病毒發展程度。然而，這些現有監視系統存在幾個問題[2]。例如，常規門診的就診報告在就診后7-14天會提供給人們，在節假日期間時間會更長，這主要是由于病毒學檢測方法和醫院患者報告處理需要相當長的一段時間。這段時間是對公共衛生的一大威脅，因為在此期間，流行病可能在未被發現的情況下迅速傳播。

最近，為了解決(jue)傳(chuan)統流(liu)(liu)行(xing)病(bing)學(xue)監測(ce)(ce)數據(ju)的(de)(de)(de)不足(zu)，越(yue)來(lai)越(yue)多的(de)(de)(de)研(yan)究(jiu)將(jiang)非傳(chuan)統數據(ju)來(lai)源納入傳(chuan)染(ran)病(bing)預測(ce)(ce)中。這(zhe)些來(lai)源包(bao)括氣候(hou)數據(ju)[3]、社交媒(mei)體(ti)[4]、互(hu)聯(lian)網搜索[5]、衛(wei)星圖像(xiang)[6]和(he)智能手機(ji)數據(ju)[7]。對于基于互(hu)聯(lian)網的(de)(de)(de)數據(ju)源，尚不清楚觀察到的(de)(de)(de)“數據(ju)”在(zai)(zai)(zai)(zai)多大(da)程度(du)上反映了實(shi)際發病(bing)率的(de)(de)(de)變化。例如，Google Flu Trends（GFT）在(zai)(zai)(zai)(zai)2012-13年流(liu)(liu)感(gan)季(ji)節期間，因高估了預測(ce)(ce)值而(er)受到了外界的(de)(de)(de)嚴厲批評(ping)[8]。這(zhe)些非傳(chuan)統的(de)(de)(de)數據(ju)來(lai)源雖然展示(shi)了一(yi)些前景，但(dan)其內(nei)在(zai)(zai)(zai)(zai)的(de)(de)(de)局(ju)限性在(zai)(zai)(zai)(zai)于它們不能直接(jie)測(ce)(ce)量生物學(xue)信(xin)(xin)號(hao)或相關的(de)(de)(de)身體(ti)癥狀(zhuang)(zhuang)。如果假設(she)流(liu)(liu)感(gan)流(liu)(liu)行(xing)軌跡(圖1)，在(zai)(zai)(zai)(zai)感(gan)染(ran)后(hou)1-3天(tian)內(nei)會出現各種癥狀(zhuang)(zhuang)，包(bao)括咳嗽、發燒(常(chang)常(chang)伴有寒顫)、咽喉痛和(he)鼻腔癥狀(zhuang)(zhuang)，這(zhe)些患者中有相當(dang)大(da)一(yi)部(bu)分可能會在(zai)(zai)(zai)(zai)癥狀(zhuang)(zhuang)發作(zuo)后(hou)的(de)(de)(de)2-4天(tian)內(nei)前往醫療點治療。本研(yan)究(jiu)旨在(zai)(zai)(zai)(zai)開發和(he)驗證一(yi)種新型監測(ce)(ce)系統，該系統可在(zai)(zai)(zai)(zai)醫院候(hou)診區內(nei)捕獲與流(liu)(liu)感(gan)樣疾病(bing)(ILI)的(de)(de)(de)身體(ti)癥狀(zhuang)(zhuang)直接(jie)相關的(de)(de)(de)生物臨床信(xin)(xin)號(hao)。

近(jin)期發(fa)(fa)表(biao)的(de)(de)論文“FluSense: A Contactless Syndromic SurveillancePlatform for Influenza-Like Illness in Hospital Waiting Areas”記錄(lu)了檢測平臺(tai)FluSense在(zai)大(da)學醫(yi)療系統中(zhong)(zhong)的(de)(de)部(bu)署(shu)情況。呼(hu)吸道(dao)感(gan)染(ran)(ran)的(de)(de)常見(jian)癥狀包括鼻(bi)塞和(he)(he)流(liu)(liu)鼻(bi)涕、喉(hou)嚨痛、聲音(yin)嘶啞和(he)(he)咳(ke)嗽(sou)[9]。當流(liu)(liu)感(gan)在(zai)人群中(zhong)(zhong)傳播(bo)時，流(liu)(liu)感(gan)患者(zhe)通常在(zai)初(chu)次感(gan)染(ran)(ran)后(hou)48小時內出(chu)現咳(ke)嗽(sou)癥狀。最(zui)近(jin)的(de)(de)一(yi)項研究(jiu)發(fa)(fa)現，流(liu)(liu)感(gan)感(gan)染(ran)(ran)的(de)(de)最(zui)佳多變量預測因子是咳(ke)嗽(sou)和(he)(he)發(fa)(fa)燒，個體水平的(de)(de)陽性預測值為79％（p <0.001）[10]。論文作者(zhe)們發(fa)(fa)現，每天的(de)(de)總咳(ke)嗽(sou)次數(shu)(shu)與校園內實(shi)驗室確診(zhen)的(de)(de)流(liu)(liu)感(gan)感(gan)染(ran)(ran)表(biao)現出(chu)很(hen)強(qiang)的(de)(de)相(xiang)關性。此外，與神經網絡模(mo)型相(xiang)結(jie)合的(de)(de)熱成(cheng)像(xiang)攝像(xiang)機圖像(xiang)能夠準確地估(gu)計每天在(zai)診(zhen)所就診(zhen)的(de)(de)患者(zhe)總數(shu)(shu)，然后(hou)用這(zhe)(zhe)些圖像(xiang)來量化發(fa)(fa)病率，這(zhe)(zhe)對于統計每日的(de)(de)“流(liu)(liu)感(gan)樣疾病”病例數(shu)(shu)和(he)(he)確診(zhen)的(de)(de)流(liu)(liu)感(gan)病例數(shu)(shu)很(hen)有(you)幫助。這(zhe)(zhe)項研究(jiu)為這(zhe)(zhe)個新技術平臺(tai)提供了重要的(de)(de)驗證數(shu)(shu)據(ju)，并強(qiang)調了大(da)規模(mo)部(bu)署(shu)（即在(zai)醫(yi)院候(hou)診(zhen)室以外）的(de)(de)重要性，以尋求(qiu)切實(shi)可行的(de)(de)公(gong)共衛生應對措施。

FluSense檢測(ce)(ce)數(shu)據(ju)捕獲的(de)(de)早期癥(zheng)狀相(xiang)關(guan)信(xin)息可以(yi)(yi)為當前的(de)(de)流感預測(ce)(ce)工(gong)作提供有價值的(de)(de)信(xin)息。圖1說明(ming)了(le)這種FluSense檢測(ce)(ce)如何能夠(gou)(gou)在最短(duan)時(shi)(shi)間內捕獲與流感相(xiang)關(guan)的(de)(de)早期癥(zheng)狀。此外(wai)，該(gai)系統的(de)(de)總體(ti)目的(de)(de)是捕獲臨床環境之外(wai)的(de)(de)數(shu)據(ju)，以(yi)(yi)估計(ji)(ji)普通人(ren)群中(zhong)的(de)(de)感染情況。FluSense平臺在處理麥克(ke)風(feng)陣(zhen)列(lie)和熱成像數(shu)據(ju)使用樹(shu)莓派和神(shen)經計(ji)(ji)算(suan)引擎，同時(shi)(shi)不存儲任何個(ge)人(ren)身份信(xin)息。它能夠(gou)(gou)實時(shi)(shi)運行(xing)基于(yu)深度(du)學(xue)習的(de)(de)聲學(xue)模型和基于(yu)熱成像的(de)(de)人(ren)群密度(du)估計(ji)(ji)算(suan)法(fa)。該(gai)文作者實施(shi)了(le)一項嚴(yan)格的(de)(de)實地研究，在擁有30000多(duo)名學(xue)生的(de)(de)馬(ma)斯(si)·薩(sa)克(ke)塞茨·阿默(mo)斯(si)特(te)大(da)學(xue)的(de)(de)四個(ge)公共候(hou)診(zhen)(zhen)室(shi)部(bu)署(shu)了(le)FluSense。在這次部(bu)署(shu)中(zhong)，收集了(le)350多(duo)人(ren)，來自(zi)醫(yi)院候(hou)診(zhen)(zhen)室(shi)的(de)(de)350000張候(hou)診(zhen)(zhen)室(shi)熱圖像和21230450個(ge)非語音音頻片段。論(lun)文對這些(xie)音頻片段和熱圖像庫進行(xing)了(le)部(bu)分注釋，以(yi)(yi)便為社區公共衛生、計(ji)(ji)算(suan)機(ji)和信(xin)息科學(xue)應用提供豐富的(de)(de)數(shu)據(ju)集。

 

2、相關工作

2.1 基于(yu)人口水(shui)平信息的流(liu)感預(yu)測(ce)

準確實(shi)時(shi)預(yu)測傳(chuan)染病暴發對醫務工(gong)作者、公(gong)共衛生(sheng)專(zhuan)業(ye)人員(yuan)至關重(zhong)要，因為它(ta)可以(yi)為病情進行有針對性(xing)(xing)的(de)(de)預(yu)防和(he)干預(yu)。目前的(de)(de)傳(chuan)染病預(yu)測工(gong)作依賴于(yu)統計(ji)模型來預(yu)測病情的(de)(de)發展，如某一周的(de)(de)發病率或一個季度的(de)(de)累計(ji)發病率。就流(liu)感而言(yan)，這些模型依賴于(yu)公(gong)共衛生(sheng)組織ILI檢測的(de)(de)流(liu)行病學數據，這些數據具有很大的(de)(de)局限性(xing)(xing)，包括在收(shou)集臨床數據與隨后(hou)獲(huo)得流(liu)感預(yu)測之間時(shi)間上的(de)(de)滯后(hou)。

如上所述，為(wei)(wei)解(jie)決(jue)傳統流行(xing)病學檢測技(ji)術的(de)(de)缺(que)點，研究人(ren)員引入(ru)了新(xin)的(de)(de)數(shu)(shu)(shu)字數(shu)(shu)(shu)據流，包括氣(qi)候數(shu)(shu)(shu)據，社(she)交媒體[4][11]和(he)互(hu)聯網搜(sou)索[3][12]衛星圖像[6]和(he)智能(neng)手(shou)機數(shu)(shu)(shu)據[7]用(yong)于ILI建(jian)模。但(dan)它(ta)(ta)們本身具有局(ju)限性，因(yin)為(wei)(wei)它(ta)(ta)們不能(neng)直接(jie)觀(guan)測感染過程和(he)癥狀(zhuang)。的(de)(de)方法通過使用(yong)非接(jie)觸式檢測系統直接(jie)從(cong)(cong)人(ren)群（即醫院(yuan)候診室人(ren)群）中捕獲ILI身體的(de)(de)癥狀(zhuang)，然后根據信(xin)息確定ILI的(de)(de)嚴重性，從(cong)(cong)而避(bi)開了這(zhe)些問題。

2.2 咳(ke)嗽建模

最近的(de)一些研(yan)究探索了(le)基于聲(sheng)音(yin)的(de)咳(ke)(ke)嗽(sou)(sou)(sou)(sou)識別算法(fa)。例(li)如，Mel-frequency cepstral coefficient (MFCC)和Hidden Markov Model (HMM)被用(yong)來訓練咳(ke)(ke)嗽(sou)(sou)(sou)(sou)識別模(mo)型(xing)[13][14][15]。Larson等人、Amoh和Odame利用(yong)基于譜圖的(de)特(te)征訓練咳(ke)(ke)嗽(sou)(sou)(sou)(sou)識別模(mo)型(xing)[16][17]。最近，在此(ci)基礎上(shang)也探索了(le)不(bu)同(tong)的(de)卷積神經(jing)(jing)網絡(CNN)架構[16]。但現(xian)有(you)方法(fa)存在一些局(ju)限(xian)(xian)性，限(xian)(xian)制了(le)這(zhe)些模(mo)型(xing)在公(gong)共衛生應用(yong)中(zhong)(zhong)(zhong)有(you)效的(de)使用(yong)。例(li)如，在這(zhe)些研(yan)究中(zhong)(zhong)(zhong)使用(yong)的(de)測試數據(ju)(ju)在參與者的(de)規(gui)模(mo)和多(duo)樣性方面(mian)相當有(you)限(xian)(xian)。參與測試的(de)人數少于20人，并且咳(ke)(ke)嗽(sou)(sou)(sou)(sou)數據(ju)(ju)僅從(cong)特(te)定患者人群（例(li)如哮喘患者）中(zhong)(zhong)(zhong)收集(ji)(ji)。在這(zhe)項(xiang)工作中(zhong)(zhong)(zhong)已(yi)經(jing)(jing)編譯并標記(ji)了(le)一個大型(xing)音(yin)頻數據(ju)(ju)集(ji)(ji)，該數據(ju)(ju)集(ji)(ji)由不(bu)同(tong)的(de)上(shang)呼(hu)吸(xi)道(dao)異常聲(sheng)音(yin)組成，包(bao)(bao)括咳(ke)(ke)嗽(sou)(sou)(sou)(sou)，打噴嚏和清嗓。總體(ti)而(er)言，已(yi)對大約170小(xiao)時的(de)音(yin)頻數據(ju)(ju)進行(xing)了(le)人工分類，其中(zhong)(zhong)(zhong)包(bao)(bao)括來自不(bu)同(tong)聲(sheng)學(xue)環境中(zhong)(zhong)(zhong)各(ge)種個體(ti)的(de)咳(ke)(ke)嗽(sou)(sou)(sou)(sou)情況(kuang)。此(ci)外，已(yi)經(jing)(jing)使用(yong)不(bu)同(tong)的(de)增強技術(shu)（模(mo)擬(ni)不(bu)同(tong)的(de)場景(jing)）即(ji)考慮到不(bu)同(tong)的(de)背(bei)景(jing)噪(zao)音(yin)和室內聲(sheng)學(xue)，嚴格評估(gu)了(le)這(zhe)些咳(ke)(ke)嗽(sou)(sou)(sou)(sou)模(mo)型(xing)的(de)性能(neng)。最后，在為期7個月(yue)的(de)臨床部署(shu)研(yan)究中(zhong)(zhong)(zhong)，收集(ji)(ji)了(le)超過21,000,000個非語音(yin)音(yin)頻片段，其中(zhong)(zhong)(zhong)包(bao)(bao)括四個醫(yi)院候診室實際咳(ke)(ke)嗽(sou)(sou)(sou)(sou)的(de)聲(sheng)音(yin)。

 

3、FLUSENSE:非接觸式(shi)檢(jian)測平臺

非(fei)接觸(chu)式檢測(ce)平(ping)臺(tai)FluSense由麥(mai)克風(feng)(feng)陣(zhen)列和(he)(he)(he)熱成(cheng)像攝像機(ji)組(zu)成(cheng)，用(yong)于捕捉不同(tong)的候(hou)(hou)診室人(ren)群(qun)行為，包括咳嗽和(he)(he)(he)語言活動以(yi)及候(hou)(hou)診室病人(ren)數量(圖(tu)2)。Flusense平(ping)臺(tai)由多(duo)個(ge)(ge)模塊組(zu)成(cheng)，包括：ReSpeaker麥(mai)克風(feng)(feng)陣(zhen)列(2.0版)[18]:帶有4個(ge)(ge)麥(mai)克風(feng)(feng)和(he)(he)(he)內置高(gao)性(xing)能芯片組(zu)的麥(mai)克風(feng)(feng)陣(zhen)列；Seek CompactPRO[19]:一款熱成(cheng)像相機(ji)，能夠捕獲320*240像素分(fen)辨率和(he)(he)(he)32度視野的熱圖(tu)像。Intel神經(jing)計算棒[20]:一個(ge)(ge)使(shi)用(yong)Intel Movidius Myriad X Vision Processing Unit (VPU)的計算硬件，用(yong)于在邊緣(yuan)上高(gao)效(xiao)部署深(shen)度學習模型；樹莓派:一個(ge)(ge)控制(zhi)平(ping)臺(tai)，用(yong)于同(tong)步所有附加的傳感器和(he)(he)(he)設備。

3.1 音頻處理

為確保(bao)醫院(yuan)候診區的隱私(si)，所有音(yin)(yin)(yin)頻數據(ju)在(zai)采集原始音(yin)(yin)(yin)頻信號(hao)時(shi)被立即實時(shi)處理為1秒(miao)(miao)(miao)的數據(ju)塊(kuai)。然(ran)后(hou)，針對(dui)語(yu)音(yin)(yin)(yin)和咳嗽的高(gao)保(bao)真(zhen)二進制分類器對(dui)每(mei)1秒(miao)(miao)(miao)的音(yin)(yin)(yin)頻塊(kuai)進行分類。如果在(zai)1秒(miao)(miao)(miao)的音(yin)(yin)(yin)頻片(pian)段中(zhong)檢測(ce)到任何類似語(yu)音(yin)(yin)(yin)聲音(yin)(yin)(yin)，則不會保(bao)留音(yin)(yin)(yin)頻數據(ju)。FluSense還使用(yong)兩級加密將所有非語(yu)音(yin)(yin)(yin)片(pian)段存儲到本地硬(ying)盤上。

3.2 熱(re)成(cheng)像

使用低成本的Seek CompactPRO熱(re)成像(xiang)相機，每(mei)分鐘收(shou)集(ji)一次熱(re)圖像(xiang)，然后將圖像(xiang)以兩(liang)級(ji)加密的方式存儲在本地(di)硬盤上。

 

4、臨床(chuang)試(shi)驗研(yan)究

IRB批準的非接(jie)觸式移動傳感和邊緣計(ji)算平臺(tai)（如圖(tu)2所(suo)示）對(dui)大學衛生服(fu)務四個公共候(hou)診區的所(suo)有人員（包括病人、病人陪護、候(hou)診室服(fu)務員）進(jin)行匿(ni)名(ming)數據收集。圖(tu)3展示了醫院內的三個候(hou)診區以(yi)(yi)及在這些空間中部署FLUSENSE的概覽。信(xin)息標語牌也(ye)放(fang)置在傳感器旁(pang)邊，以(yi)(yi)向公眾提供有關該研究的更多信(xin)息。

5、結果分析

這項工作(zuo)已經證(zheng)明，在(zai)醫院候診(zhen)區捕捉到咳嗽聲音提供了(le)有關流(liu)(liu)感(gan)趨勢的(de)(de)(de)重要(yao)流(liu)(liu)行病(bing)學信息。這驗證(zheng)了(le)FluSense平(ping)臺(tai)可(ke)以(yi)用于常規(gui)公共衛(wei)生監測。提供的(de)(de)(de)結(jie)果還(huan)表明，與單純(chun)的(de)(de)(de)患(huan)者計數(shu)(shu)(shu)(shu)相比，諸如咳嗽計數(shu)(shu)(shu)(shu)，以(yi)言語活動次數(shu)(shu)(shu)(shu)表示的(de)(de)(de)咳嗽次數(shu)(shu)(shu)(shu)和(he)(he)以(yi)人次計數(shu)(shu)(shu)(shu)的(de)(de)(de)咳嗽次數(shu)(shu)(shu)(shu)等特(te)征(zheng)可(ke)以(yi)更好地(di)預(yu)測流(liu)(liu)感(gan)疾(ji)病(bing)和(he)(he)流(liu)(liu)感(gan)患(huan)者的(de)(de)(de)總數(shu)(shu)(shu)(shu)。其(qi)次，還(huan)展示了(le)低成本，高(gao)效率的(de)(de)(de)邊緣(yuan)計算平(ping)臺(tai)，可(ke)以(yi)在(zai)嘈雜(za)的(de)(de)(de)環(huan)境中捕獲(huo)咳嗽聲音和(he)(he)潛在(zai)患(huan)者的(de)(de)(de)同時確保個(ge)人隱私(si)。綜上所述(shu)，這些發(fa)現說明了(le)這種(zhong)邊緣(yuan)計算傳感(gan)器平(ping)臺(tai)可(ke)用于提高(gao)當前流(liu)(liu)感(gan)樣疾(ji)病(bing)預(yu)測模型(xing)的(de)(de)(de)及時性和(he)(he)有效性。

 

在這(zhe)項工作中，得(de)流感(gan)樣疾病患者(zhe)計(ji)數(shu)(shu)和(he)流感(gan)陽性患者(zhe)計(ji)數(shu)(shu)的(de)(de)(de)(de)非接(jie)觸式(shi)傳感(gan)平臺已經在一所(suo)(suo)大學衛生診(zhen)(zhen)所(suo)(suo)/醫院的(de)(de)(de)(de)幾個(ge)候(hou)診(zhen)(zhen)區(qu)中得(de)到驗證(zheng)。然而，認為的(de)(de)(de)(de)技(ji)術(shu)可(ke)以(yi)適用于不(bu)(bu)同(tong)(tong)的(de)(de)(de)(de)公(gong)共(gong)(gong)場(chang)所(suo)(suo)。實驗結果(guo)證(zheng)明了基于音頻(pin)的(de)(de)(de)(de)咳嗽模(mo)型(xing)在不(bu)(bu)同(tong)(tong)的(de)(de)(de)(de)噪聲環境(jing)下(xia)表(biao)現良(liang)好。例如(ru)，通過不(bu)(bu)同(tong)(tong)的(de)(de)(de)(de)增強(qiang)技(ji)術(shu)模(mo)擬不(bu)(bu)同(tong)(tong)類型(xing)的(de)(de)(de)(de)真實場(chang)景(jing)，總(zong)的(de)(de)(de)(de)來說，這(zhe)些結果(guo)表(biao)明的(de)(de)(de)(de)咳嗽分(fen)類模(mo)型(xing)可(ke)以(yi)在擁擠的(de)(de)(de)(de)公(gong)共(gong)(gong)場(chang)所(suo)(suo)（包括(kuo)餐(can)廳、學校的(de)(de)(de)(de)大教室(shi)、公(gong)共(gong)(gong)辦(ban)公(gong)室(shi)、火車站或公(gong)共(gong)(gong)汽車站）實現良(liang)好的(de)(de)(de)(de)性能。

這(zhe)種(zhong)FluSense傳(chuan)(chuan)感器(qi)陣(zhen)列也(ye)存(cun)在(zai)(zai)很多(duo)局(ju)限(xian)(xian)(xian)性。該系統設(she)計(ji)用于在(zai)(zai)邊緣上(shang)運(yun)行所有機器(qi)學(xue)(xue)習計(ji)算(suan)，因此受到邊緣計(ji)算(suan)設(she)備(bei)的(de)(de)(de)(de)計(ji)算(suan)能(neng)力(li)、內存(cun)等限(xian)(xian)(xian)制。但(dan)是(shi)(shi)，隨著(zhu)邊緣計(ji)算(suan)設(she)備(bei)功能(neng)的(de)(de)(de)(de)迅速提高，這(zhe)種(zhong)情(qing)況(kuang)會有所改善，并(bing)且預計(ji)在(zai)(zai)聲(sheng)音(yin)捕獲時會運(yun)行更復雜的(de)(de)(de)(de)模型。使用的(de)(de)(de)(de)熱成(cheng)像相機也(ye)有局(ju)限(xian)(xian)(xian)性，因為它是(shi)(shi)一(yi)(yi)種(zhong)視野(ye)有限(xian)(xian)(xian)的(de)(de)(de)(de)低分辨率相機。在(zai)(zai)最初的(de)(de)(de)(de)計(ji)劃階段(duan)，探(tan)索了(le)其他(ta)(ta)具(ju)(ju)(ju)有更高分辨率、廣角和非(fei)常精(jing)確的(de)(de)(de)(de)具(ju)(ju)(ju)有皮膚溫度測(ce)量能(neng)力(li)的(de)(de)(de)(de)熱成(cheng)像相機。但(dan)是(shi)(shi)發現它們非(fei)常昂貴，不適合(he)低成(cheng)本(ben)的(de)(de)(de)(de)移動部(bu)署(shu)設(she)置(zhi)(zhi)。在(zai)(zai)本(ben)文中，證明了(le)即使使用低成(cheng)本(ben)的(de)(de)(de)(de)熱像機，也(ye)可(ke)以從(cong)根據熱圖像估算(suan)的(de)(de)(de)(de)personTime特征(zheng)中準(zhun)確估算(suan)出整個(ge)候診(zhen)室的(de)(de)(de)(de)患(huan)者人(ren)數。優化FluSense傳(chuan)(chuan)感器(qi)的(de)(de)(de)(de)部(bu)署(shu)位置(zhi)(zhi)是(shi)(shi)下一(yi)(yi)步的(de)(de)(de)(de)關鍵。設(she)備(bei)位置(zhi)(zhi)應仔(zi)細選擇(ze)，以捕捉具(ju)(ju)(ju)有高度ILI癥狀可(ke)能(neng)性的(de)(de)(de)(de)人(ren)群。公眾對這(zhe)類設(she)備(bei)的(de)(de)(de)(de)看(kan)法可(ke)能(neng)令人(ren)擔憂，一(yi)(yi)些人(ren)可(ke)能(neng)會認(ren)為部(bu)署(shu)這(zhe)類設(she)備(bei)是(shi)(shi)對他(ta)(ta)們隱私(si)的(de)(de)(de)(de)侵犯。雖然從(cong)衛生(sheng)機構收集了(le)數據，但(dan)的(de)(de)(de)(de)結果證明了(le)這(zhe)個(ge)平臺可(ke)以用于常規(gui)綜合(he)征(zheng)監測(ce)。此外，需要在(zai)(zai)不同(tong)的(de)(de)(de)(de)季節進行長期研究(jiu)，并(bing)在(zai)(zai)更具(ju)(ju)(ju)聲(sheng)學(xue)(xue)和流行病學(xue)(xue)多(duo)樣性的(de)(de)(de)(de)環境中進行全面驗證。

 

在現實世界環境中(zhong)部(bu)署(shu)計(ji)算(suan)(suan)平臺的(de)主要挑戰(zhan)之一是在計(ji)算(suan)(suan)能力、大小、預算(suan)(suan)和不易于(yu)部(bu)署(shu)的(de)約束下有效地(di)分析(xi)各種噪(zao)聲信號(hao)集。借助的(de)FluSense平臺，開發(fa)了一個(ge)系統，可(ke)以(yi)使(shi)用低成本(ben)的(de)邊(bian)緣計(ji)算(suan)(suan)平臺收(shou)集具(ju)有代(dai)表性和可(ke)操作性的(de)公共衛生數(shu)據。對于(yu)這(zhe)個(ge)FluSense平臺，開發(fa)了音頻和圖像識別模型，這(zhe)些模型隨后在實際環境中(zhong)得(de)到驗(yan)證，并(bing)可(ke)以(yi)部(bu)署(shu)在邊(bian)緣計(ji)算(suan)(suan)設備上。此外，已經證明(ming)，基于(yu)的(de)傳感(gan)器(qi)數(shu)據，可(ke)以(yi)預測(ce)具(ju)有0.65相關系數(shu)的(de)總(zong)流感(gan)疾病患者人數(shu)，同(tong)時預測(ce)總(zong)流感(gan)陽(yang)性患者(相關系數(shu)= 0.61)，這(zhe)說明(ming)FluSense為(wei)季節(jie)性流感(gan)監測(ce)和預測(ce)提(ti)供了新的(de)有用信號(hao)。