החוקרים שיפרו את היכולת של מכשירי בריאות לבישים לגלות במדויק כאשר מטופל משתעל, מה שמקל על פיקוח על מצבים בריאותיים כרוניים ולחזות סיכונים בריאותיים כמו התקפי אסטמה. המקדמה משמעותית מכיוון שטכנולוגיות זיהוי שיעול נאבקו באופן היסטורי להבדיל בין צליל השיעול בין צליל הדיבור ורעשים אנושיים לא מילוליים.
שיעול משמש כסמן ביולוגי חשוב למעקב אחר מגוון תנאים. לדוגמה, תדירות שיעול יכולה לעזור לנו לפקח על התקדמות מחלות נשימה או לחזות מתי מחמיר את מצבו של האסטמה של מישהו, וייתכן שהם ירצו להשתמש במשאף שלהם. זו הסיבה שיש עניין בפיתוח טכנולוגיות שיכולות לאתר ולעקוב אחר תדר שיעול. "
אדגר לובטון, מחבר מקביל של מאמר על היצירה ופרופסור להנדסת חשמל ומחשבים, אוניברסיטת צפון קרוליינה
טכנולוגיות בריאות לבישות מציעות דרך מעשית לאתר צלילים. להלכה, ניתן להכשיר מודלים עם למידת מכונה משובצת כדי לזהות שיעול ולהבחין ביניהם מסוגים אחרים של צלילים. עם זאת, בשימוש בעולם האמיתי, משימה זו התבררה כמאתגרת יותר מהצפוי.
"אמנם הדגמים הצליחו מאוד להבחין בשיעול לבין רעשי רקע, אך לעתים קרובות מודלים אלה נאבקים להבחין בשיעול לבין דיבור וצלילים דומים כמו התעטשויות, ניקוי גרון או גניחה", אומר לובטון. "זה בעיקר בגלל שבעולם האמיתי, הדגמים האלה עוברים צלילים שמעולם לא שמעו לפני כן.
"דגמי גילוי שיעול 'מאומנים' בספריית צלילים, ומספרים אילו צלילים הם שיעול ואילו צלילים אינם שיעול", אומר לובטון. "אבל כשהדגם עובר על צליל חדש, היכולת שלו להבחין בשיעול לבין Not Coute סובלת."
כדי להתמודד עם אתגר זה, החוקרים פנו למקור נתונים חדש שניתן להשתמש בו כדי להכשיר את מודל גילוי השיעול: מוניטורי בריאות לבישים עצמם. באופן ספציפי, החוקרים אספו שני סוגים של נתונים ממוניטורי בריאות המיועדים ללבוש על החזה. ראשית, החוקרים אספו נתוני שמע שנאספו על ידי מסכי הבריאות. שנית, החוקרים אספו נתונים ממאצה תאוצה במוניטורי הבריאות, המזהים ומודדים תנועה.
"בנוסף ללכידת צלילים בעולם האמיתי, כמו שיעול וגניחה, מסכי הבריאות לוכדים את התנועות הפתאומיות הקשורות לשיעול", אומר לובטון.
"לא ניתן להשתמש בתנועה בלבד כדי לאתר שיעול, מכיוון שהתנועה מספקת מידע מוגבל על מה שמייצר את הצליל", אומר יוחאן צ'ן, המחבר הראשון של העיתון ודוקטורט לאחרונה. בוגר מדינת NC. "פעולות שונות – כמו צחוק ושיעול – יכולות לייצר דפוסי תנועה דומים. אבל השילוב של צליל ותנועה יכול לשפר את הדיוק של מודל זיהוי שיעול, מכיוון שתנועה מספקת מידע משלים התומך בזיהוי מבוסס צליל."
בנוסף לציור על מקורות נתונים מרובים שנאספו ממקורות בעולם האמיתי, החוקרים בנו גם על עבודה קודמת כדי לשכלל את האלגוריתמים המשמשים את מודל גילוי השיעול.
כאשר החוקרים בדקו את המודל במסגרת מעבדה, הם מצאו כי המודל החדש שלהם היה מדויק יותר מטכנולוגיות גילוי שיעול קודמות. באופן ספציפי, למודל היו פחות "חיוביות כוזבות", כלומר נשמע שהמודל המזוהה כשיעול היה סביר יותר להיות שיעול.
"זה צעד משמעותי קדימה", אומר לובטון. "הגענו טוב מאוד להבחין בשיעול לבין דיבור אנושי, והמודל החדש טוב יותר באופן מהותי בהבחנת שיעול בין צלילים לא מילוליים. עדיין יש מקום לשיפור, אבל יש לנו מושג טוב כיצד להתמודד עם זה ועכשיו עובדים על האתגר הזה."
העיתון, "איתור שיעול רב-מודאלי חזק עם זיהוי אופטימיזציה של חלוקה לבישים", מתפרסם ב IEEE Journal of Biomedical and Health Informaticsו העיתון נכתב יחד על ידי פיה שיאנג, דוקטורט. סטודנט במדינת NC; אלפר בוזקורט, פרופסור מכובד של משפחת מקפרסון ביזמות הנדסית במדינת NC; מישל הרננדז, פרופסור לאלרגיה-אימונולוגיה לילדים בבית הספר לרפואה של אוניברסיטת צפון קרוליינה; ודלשה קרפנטר, פרופסור בבית הספר לרוקחות אסקלמן של UNC.
עבודה זו נעשתה בתמיכה מהקרן הלאומית למדע (NSF) תחת מענקים 1915599, 1915169, 2037328 ו- 2344423. העבודה נתמכה גם על ידי המרכז של NC State למערכות מתקדמות העצמיות של חיישנים וטכנולוגיות משולבות (Assist), שנוצרה עם תמיכה ממענבי NSF ממענק 11683.
