UMass Amherst的研究人员团队说，一种实时跟踪咳嗽和人群规模的物联网设备可能会成为一种有用的工具，用于在大批人群中识别流感样症状。

研究人员称之为FluSense，它大约相当于字典的大小。它包含一个廉价的麦克风阵列，一个热传感器，一个Raspberry Pi和一个Intel Movidius 2神经计算引擎。这个想法是在边缘使用AI对音频样本进行分类，并在任何给定时间识别房间中的人数。

由于该系统可以将咳嗽与其他类型的非语音音频区分开来，因此将咳嗽与给定人群的大小相关联可以提供有用的指数，以表明有多少人可能会出现类似流感的症状。

2018年12月至2019年7月期间，马萨诸塞大学卫生服务诊所的四个候诊室安装了FluSense。研究人员表示，他们能够将该系统的结果与流感和其他类似症状的临床测试强烈联系起来。

据该论文的第一作者、博士生Forsad Al Hossain和他的合著者、助理教授Tauhidur Rahman说，FluSense更大的计划正在进行中。

他们说：“目前，我们正计划在几个大型公共场所（如大型自助餐厅、教室、宿舍、体育馆、礼堂）部署FluSense系统，以捕捉居住在某个城镇或城市的广大人群的症状信号。”。“我们也在寻找资金来进行大规模的多城市试验。同时，我们还通过扩展fluseness捕捉更多症状信号的能力，使我们的感知能力多样化（例如，最近我们在FluSense中增加了喷嚏感应功能）。我们肯定会在这方面的研究中看到相当大的商业化潜力。”

从技术角度来看，FluSense特别有趣，因为所有有意义的处理工作都是通过Intel神经计算引擎和Raspberry Pi在本地完成的。当然，症状信息通过无线方式发送到实验室进行核对，但繁重的工作是在边缘完成的。Al-Hossain和Rahman强调说，该设备不收集个人身份信息，重点是在给定的环境中聚合数据，而不是识别任何一个患者的疾病，它收集的所有信息都经过了严格加密，这使得隐私问题最小化。

据研究人员称，FluSense的重点是将其视为一种健康监视工具，而不是一种诊断设备。 Al Hossain和Rahman表示，与其他健康监控技术（尤其是基于Internet跟踪的技术，例如Google Flu Trend和Twitter）相比，它具有几个重要优势。

“FluSense不容易受到公共卫生活动或广告的影响。此外，这种传感器的非接触特性非常适合被动地捕捉来自不同地理位置和不同社会经济群体（包括可能无法获得医疗保健和可能不去医生/诊所的贫困人群）的症状信号。 ”

原文链接