【MakerPRO】科技防疫 用AI與RPi建立流感、新冠風向雷達 - FluSense

在「大數據」一書中,Google發現某地區的人搜尋「感冒」或相關字眼的次數增加,進而推斷出某些地區開始流行感冒,此對防疫可說是一大貢獻。

作者

陸向陽,本文經MakerPRO同意轉載,原文連結

事實上我國也有建立疫情通報系統,即便是偏鄉診所,發現可疑的傳染病時,至少也必須傳真或電話通報,至於都會醫院更是採電子信件或直接連線通報,未通報查證屬實將受罰。

不過疫情通報系統的感應末梢只到診所,仍不是第一線,即便是Google的區域性熱門搜尋,也可能產生偏頗,例如某區人口密集或居民e化較深,搜尋次數可能較多。加上去年底至今的新冠肺炎(COVID-19)風暴困擾全球,我們似乎需要更即時公允的第一線疫情偵測能力。

對此,美國麻塞諸塞州大學阿默斯特分校的助理教授Tauhidur Rahman與他實驗室裡的博士學生Forsad Al Hossain,共同提出了FluSense的裝置,該裝置期望能更即時有效的探測流感/新冠疫情動向,使醫療團隊能更即時有效地因應。

美國麻州大學阿默斯特分校的助理教授Tauhidur Rahman(圖左)與他實驗室裡的博士學生Forsad Al Hossain(圖右)共同提出了FluSense的裝置(Hossain手中的白盒)。(圖片來源:美國麻塞諸塞州大學阿默斯特分校)

FluSense相關影片報導:

解析FluSense裝置

FluSense是以一個樹莓派(Raspberry Pi, RPi)為主體、主控系統,在相關報導中並沒有強調使用的是第幾代的樹莓派,但從相關圖片上來看是典型的B型樹莓派。

樹莓派主要連接兩個感測裝置,一是一個具備紅外線熱感應的影像感測器(攝影機),另一則是一組麥克風陣列(Microphone Array,或稱陣列麥克風Array Microphone, Array MIC)。

熱影像感測器即是與過去SARS到近期COVID-19所施行的防疫方式一樣,是透過感測每個路經者的皮膚表面是否溫度較高(影像色溫會偏亮)而判定是否有發燒,發燒即可能是患者。

麥克風陣列則是用兩個或兩個以上的麥克風,共同即時捕捉現場環境的聲音,但因為麥克風位置配置的差異,感測到聲音信號也會不同,如此可透過交叉比對運算把環境中的雜音過濾掉,使想要聽到的聲音信號更純淨。在FluSense的應用中麥克風陣列是用來捕捉咳嗽聲的,其他聲音則會濾掉。

進一步的,捕捉到的疑似發燒信號、咳嗽信號需要進一步的研判,這時就需要用上人工智慧(AI)運算。不過,樹莓派在人工智慧方面的執行運算力有限,恐無法支援因應現場的立即辨識運算,所以FluSense還會加裝上一個人工智慧加速運算裝置,即Intel的Movidius NCS2神經運算引擎(條棒狀外觀),以USB介面方式與樹莓派連接。

所以FluSense感測到的影音資訊會即時在Movidius NCS2內先行運算,之後將運算結果透過有線或無線網路拋丟到後方雲端,集中上報,這時再進行進一步的運算,並將可疑動向標在地圖上,供醫療團隊研判與行動。

FluSense的主要硬體構成。(圖片來源:美國麻塞諸塞州大學阿默斯特分校)

 

FluSense用上一片樹莓派、一個攝影機、一組麥克風陣列、一個AI加速棒,目前的設計是將四者配置在一個盒內,但感測鏡頭、麥克風等會露出外殼。盒的體積根據報導所言約僅一個字典大,言下之意在各種環境中都很好擺設、配置。

FluSense最初配置在麻州大學健康服務診所的4間候診室內,經過半年的時間已收集了35萬張熱影像圖片與2,100萬筆非語音(只需要咳嗽聲或相關聲音,人的講話聲等話語內容會被濾除)的樣本資料。

FluSense感測到的熱影像,並透過人工智慧對人進行標示。(圖片來源:美國麻塞諸塞州大學阿默斯特分校)

 

小結

FluSense可以自動回報疑似資訊,省去人力回報的麻煩,事實上也確實有人開發疫情通報的App,如英國倫敦的國王學院醫院(Kings College Hospital)研究人員就與新創業者Zoe合作開發自助回報的App,稱為C-19 COVID Symptom Tracker,24小時內就被下載75萬次。

然而如前所言,人工回報可能會出現一些偏頗,且較費力。相對的,FluSense預計將擴大裝設量與裝設位置,期望透過平均或合理的地理覆蓋得到自動且一致性標準的回報。不過,現階段FluSense得出的推論結果,仍是被當成多一個輔助比對驗證用的選項,不是醫療團隊的主要研判方法。

比較可惜的是,目前FluSense似乎尚未釋出其相關軟體程式,包含樹莓派這端執行的控制程式、人工智慧辨識程式,也包含遠端匯集的程式,而FluSense的硬體組成卻相當簡單,透過USB或MicroUSB介面即可完成連接,連GPIO接腳都不會用到。

或許其他有心的創客也可以比照FluSense所用硬體規格,另行發起共同開程式開發的專案,一樣能實現類似疫情動向的預警雷達系統,嘉惠大眾。

FluSense(圖中下位置)可協助疾病傳染的模型預測。(圖片來源:美國麻塞諸塞州大學阿默斯特分校)

 

延伸閱讀:

 

*本文經MakerPRO同意轉載,原文連結,特此感謝

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *