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
4762浏览量
100521 -
诊断系统
+关注
关注
0文章
36浏览量
11751 -
俄罗斯
+关注
关注
1文章
57浏览量
13118
发布评论请先 登录
相关推荐
中置式开关柜技术规范:智能开关专家诊断系统
蜀瑞创新智能开关专家诊断系统能够对开关设备进行实时数据采集及历史数据的读取,并对采集数据进行处理分析,解析开关设备的运行状态,包括对机械特性分析、机械寿命预测、燃弧时间分析、断路器寿命预测、对开关设备故障
神经网络辨识模型具有什么特点
神经网络辨识模型是一种基于人工神经网络的系统辨识方法,它具有以下特点: 非线性映射能力 :神经网络能够处理非线性问题,可以很好地拟合复杂的非线性系统
BP神经网络和人工神经网络的区别
BP神经网络和人工神经网络(Artificial Neural Networks,简称ANNs)之间的关系与区别,是神经网络领域中一个基础且重要的话题。本文将从定义、结构、算法、应用及未来发展等多个方面,详细阐述BP
rnn是递归神经网络还是循环神经网络
RNN(Recurrent Neural Network)是循环神经网络,而非递归神经网络。循环神经网络是一种具有时间序列特性的神经网络,能够处理序列数据,具有记忆功能。以下是关于循环
递归神经网络是循环神经网络吗
递归神经网络(Recurrent Neural Network,简称RNN)和循环神经网络(Recurrent Neural Network,简称RNN)实际上是同一个概念,只是不同的翻译方式
卷积神经网络和bp神经网络的区别在哪
结构、原理、应用场景等方面都存在一定的差异。以下是对这两种神经网络的详细比较: 基本结构 BP神经网络是一种多层前馈神经网络,由输入层、隐藏层和输出层组成。每个神经元之间
反向传播神经网络和bp神经网络的区别
反向传播神经网络(Backpropagation Neural Network,简称BP神经网络)是一种多层前馈神经网络,它通过反向传播算法来调整网
如何使用神经网络进行建模和预测
神经网络是一种强大的机器学习技术,可以用于建模和预测变量之间的关系。 神经网络的基本概念 神经网络是一种受人脑启发的计算模型,由大量的节点(神经元)组成,这些节点
BP神经网络属于DNN吗
深度神经网络(Deep Neural Network,简称DNN)则是指具有多个隐藏层的神经网络,可以处理复杂的数据和任务。那么,BP神经网络是否属于DNN呢?
bp神经网络和卷积神经网络区别是什么
结构、原理、应用场景等方面都存在一定的差异。以下是对这两种神经网络的比较: 基本结构 BP神经网络是一种多层前馈神经网络,由输入层、隐藏层和输出层组成。每个神经元之间
卷积神经网络和bp神经网络的区别
卷积神经网络(Convolutional Neural Networks,简称CNN)和BP神经网络(Backpropagation Neural Networks,简称BPNN)是两种
咳嗽检测深度神经网络算法
疾病。因此,实现早期检测和高级诊断的自动化框架将有助于医生治疗呼吸道感染。有鉴于此,提出了使用改进的卷积神经网络(CNN)对声音文件进行有用分类的慢性咳嗽检测方法。
在该系统中,压电传
发表于 05-15 19:05
基于胎心仪的胎儿心脏诊断神经网络
中有效,实现了多 类分类的方法。 SVM中的决策函数可以指定不同的核 函数。第三种是使用CNN对d窗段进行分类,然后通过 投票的方法计算分类的频率。图3所示。
神经网络的主要优点是它们可以处理复杂
发表于 05-14 18:47
基于FPGA的“俄罗斯方块”系统设计
今天给各位大侠带来基于FPGA的“俄罗斯方块”设计。
设计目的
通过此次项目,完成以下目的:
1) 熟悉Xilinx FPGA的架构及开发流程;
2) 设计一个功能完整的
发表于 05-02 19:27
评论