Nowoczesny system wykrywania i klasyfikacji kaszlu z wykorzystaniem uczenia maszynowego i IoT
Zespół badawczy opracował innowacyjny system łączący techniki uczenia maszynowego (ML) z technologiami Internetu Rzeczy (IoT) w celu automatycznego wykrywania i klasyfikacji kaszlu w czasie rzeczywistym. To interdyscyplinarne rozwiązanie stanowi przełom w zdalnym monitorowaniu zdrowia, szczególnie w kontekście chorób układu oddechowego, takich jak astma, POChP czy infekcje wirusowe, w tym COVID-19.
W centrum systemu znajduje się zaawansowana analiza sygnałów akustycznych z wykorzystaniem głębokich modeli uczenia. Do klasyfikacji dźwięków kaszlu zastosowano nowoczesne architektury sieci neuronowych, takie jak MobileNet, RESNET-50 oraz klasyczne konwolucyjne sieci neuronowe (CNN). Spośród testowanych modeli najwyższą skuteczność osiągnął MobileNet, uzyskując dokładność na poziomie 84%, wartość AUC wynoszącą 0,902 oraz F1-score równy 0,846. Tak wysoki poziom precyzji klasyfikacji pozwala nie tylko wykrywać kaszel, ale także rozróżniać jego typy – co ma istotne znaczenie w kontekście diagnostyki różnicowej.
W systemie zastosowano analizę spektrogramów sygnału dźwiękowego, co umożliwia identyfikację unikalnych cech akustycznych dla różnych rodzajów kaszlu. Dzięki temu możliwe jest odróżnienie np. kaszlu suchego od mokrego, co w praktyce klinicznej może wspomóc lekarzy w rozpoznawaniu przebiegu infekcji i dostosowywaniu terapii.
Ważnym elementem zaprojektowanego rozwiązania jest ochrona prywatności i bezpieczeństwo danych medycznych. Wszystkie operacje przetwarzania sygnałów i klasyfikacji wykonywane są lokalnie na platformie Jetson Nano, co eliminuje potrzebę przesyłania danych dźwiękowych do chmury. Komunikacja z systemami zewnętrznymi realizowana jest za pośrednictwem lekkiego i bezpiecznego protokołu MQTT, co zapewnia efektywną i poufną transmisję wyników analizy.
System oferuje również funkcjonalność zdalnego monitorowania w czasie rzeczywistym – wyniki klasyfikacji są natychmiast dostępne dla lekarzy i pacjentów za pośrednictwem aplikacji mobilnej oraz panelu webowego. Takie rozwiązanie może znacząco usprawnić procesy diagnostyczne i terapeutyczne, szczególnie w opiece nad pacjentami z chorobami przewlekłymi lub w warunkach ograniczonego dostępu do placówek medycznych.
Wdrożenie tego typu technologii otwiera nowe możliwości w medycynie prewencyjnej, opiece domowej i telemedycynie. Automatyczna detekcja kaszlu może być wykorzystywana nie tylko w monitorowaniu jednostkowych przypadków, ale także w skalowalnych systemach wczesnego ostrzegania w placówkach ochrony zdrowia i przestrzeniach publicznych.
Pełna wersja publikacji naukowej dostępna jest pod adresem:
link do publikacji