Innowacyjny system akustycznej analizy kaszlu – nowa jakość w diagnostyce i monitorowaniu chorób układu oddechowego
Zespół polskich naukowców opracował przełomowy system wykrywania kaszlu w czasie rzeczywistym, który łączy precyzję sztucznej inteligencji z możliwościami mobilnej analizy akustycznej. Dzięki zastosowaniu nowoczesnych algorytmów uczenia maszynowego oraz głębokich sieci neuronowych, nowe rozwiązanie otwiera zupełnie nowe perspektywy w diagnostyce schorzeń układu oddechowego – zarówno w środowisku klinicznym, jak i domowym.
Skuteczność modeli w detekcji kaszlu – dokładność, precyzja, czułość i F1-score.
System umożliwia automatyczne wykrywanie i klasyfikowanie dźwięków kaszlu z wysoką dokładnością, przy jednoczesnym zachowaniu niewielkich wymagań obliczeniowych, co czyni go wyjątkowo praktycznym w zastosowaniach przenośnych. Kluczowym elementem opracowanej technologii jest wykorzystanie trzech komplementarnych modeli głębokiego uczenia. Architektura CNN (Convolutional Neural Network) osiągnęła dokładność na poziomie 83%, skutecznie funkcjonując w typowych warunkach akustycznych. Sieć ResNet-50, zaprojektowana z myślą o pracy w środowiskach o wysokim poziomie zakłóceń dźwiękowych, zapewniła jeszcze wyższy poziom trafności – 85%. Z kolei model MobileNet, przy zachowaniu najwyższej skuteczności – 89%, wyróżnia się minimalnym zapotrzebowaniem na moc obliczeniową, co pozwala na implementację w urządzeniach mobilnych i systemach osadzonych.
Optymalizacja czasu analizy sygnału akustycznego okazała się jednym z kluczowych wyzwań badawczych. W ramach eksperymentów zespół przeanalizował skuteczność wykrywania kaszlu w zależności od długości segmentów spektrogramów. Najlepsze wyniki osiągnięto dla przedziałów czasowych trwających 1,5 sekundy, co pokrywa się z przeciętną długością pojedynczego odruchu kaszlowego. Segmenty 1-sekundowe również dawały satysfakcjonujące rezultaty, natomiast krótsze (0,5 s) oraz dłuższe (3 i 5 s) okazały się znacząco mniej efektywne. Wyniki te posłużyły do precyzyjnej kalibracji modelu oraz zwiększenia skuteczności klasyfikacji w czasie rzeczywistym.
Zastosowanie opracowanego systemu obejmuje szerokie spektrum środowisk i sytuacji. W placówkach ochrony zdrowia może on służyć do wczesnego wykrywania infekcji dróg oddechowych, w tym COVID-19, co ma kluczowe znaczenie w kontroli zakażeń. W domach opieki technologii tej można używać do ciągłego monitorowania stanu zdrowia seniorów, reagując natychmiast na pierwsze objawy choroby. Potencjalne wykorzystanie w miejscach publicznych, takich jak szkoły, urzędy czy biura, pozwala na szybkie identyfikowanie ognisk zakażeń i zapobieganie ich rozprzestrzenianiu.
Integralnym elementem rozwiązania jest aplikacja CoughApp, umożliwiająca wizualizację i analizę danych zebranych przez system. Intuicyjny interfejs dostępny zarówno w przeglądarce internetowej, jak i na urządzeniach mobilnych, pozwala na wygodny i szybki dostęp do wyników – niezależnie od miejsca i czasu.
Opracowana technologia stanowi istotny krok w kierunku akustycznej diagnostyki nowej generacji. Jej zaletami są wysoka skuteczność klasyfikacji, niskie wymagania sprzętowe oraz elastyczność wdrożeniowa. System może odegrać kluczową rolę w transformacji sposobu, w jaki monitorujemy i wykrywamy choroby układu oddechowego – oferując rozwiązanie szybkie, bezkontaktowe i automatyczne.
Szczegóły techniczne i wyniki badań zostały przedstawione w oryginalnej publikacji naukowej: