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
4827浏览量
106779 -
诊断系统
+关注
关注
0文章
44浏览量
12134 -
俄罗斯
+关注
关注
1文章
58浏览量
13470
发布评论请先 登录
相关推荐
热点推荐
NMSIS神经网络库使用介绍
NMSIS NN 软件库是一组高效的神经网络内核，旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最大限度地减少其内存占用。
该库分为多个功能，每个功能涵盖特定类别
发表于 10-29 06:08
在Ubuntu20.04系统中训练神经网络模型的一些经验
本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE，以TensorFlow2为训练框架，目标是训练一个手写数字识别的神经
发表于 10-22 07:03
液态神经网络（LNN）：时间连续性与动态适应性的神经网络
1.算法简介液态神经网络（LiquidNeuralNetworks，LNN）是一种新型的神经网络架构，其设计理念借鉴自生物神经系统，特别是秀丽隐杆线虫的神经结构，尽管这种微生物的
大型工业设备运行诊断系统方案：实时监测与优化工业生产
、声、光、电等参数，结合监测到的运行数据，对机器设备的运行状态进行分析，提供具有预见性的维护指导，以免设备突然损坏停机，造成经济效益的损失。 方案说明： 该大型工业设备运行诊断系统方案旨在实现对工业设备运行状态
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，
BP神经网络的基本原理
输入层、隐藏层和输出层组成。其中，输入层负责接收外部输入数据，这些数据随后被传递到隐藏层。隐藏层是BP神经网络的核心部分，它可以通过一层或多层神经元对输入数据进行加权求和，并通过非线性
BP神经网络在图像识别中的应用
传播神经网络（Back Propagation Neural Network），是一种多层前馈神经网络，主要通过反向传播算法进行学习。它通常包括输入层、一个或多个隐藏层和输出层。BP神经网络
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、
工商网监
评论