[논문 리뷰] A Real-time Robot-based Auxiliary System for Risk Evaluation of COVID-19 Infection

Wenqi Wei, Jianzong Wang외 3명|arXiv (Cornell University)|2020. 08. 18.

Respiratory viral infections research참고 문헌 23인용 수 7

한 줄 요약

이 논문은 음성 인식, 체온 측정 및 주목적 유사도를 활용한 새로운 컨volution 신경망 기반 기침 감지 및 분류 모델을 통합한 실시간, 로봇 기반 보조 시스템을 제안한다. 이 시스템은 기침 감지에서 98.8%의 참 양성률과 코로나19 기침 분류에서 76%의 Top-1 정확도를 달성하여 공공 장소에서 비접촉, 자동 스크리닝을 가능하게 한다.

ABSTRACT

In this paper, we propose a real-time robot-based auxiliary system for risk evaluation of COVID-19 infection. It combines real-time speech recognition, temperature measurement, keyword detection, cough detection and other functions in order to convert live audio into actionable structured data to achieve the COVID-19 infection risk assessment function. In order to better evaluate the COVID-19 infection, we propose an end-to-end method for cough detection and classification for our proposed system. It is based on real conversation data from human-robot, which processes speech signals to detect cough and classifies it if detected. The structure of our model are maintained concise to be implemented for real-time applications. And we further embed this entire auxiliary diagnostic system in the robot and it is placed in the communities, hospitals and supermarkets to support COVID-19 testing. The system can be further leveraged within a business rules engine, thus serving as a foundation for real-time supervision and assistance applications. Our model utilizes a pretrained, robust training environment that allows for efficient creation and customization of customer-specific health states.

연구 동기 및 목표

• 공공 지역에서 비접촉, 실시간으로 자동으로 코로나19 위험을 걸러내는 로봇 기반 시스템을 개발하기 위해.
• 기존 체온 측정의 한계를 보완하기 위해 특히 기침과 같은 증상 감지를 음성 기반으로 통합하여 조기 위험 식별을 가능하게 하기 위해.
• 변동하는 길이의 기침을 다루고 제한된 데이터에서 과적합을 줄이는 강력한 종단 간 기침 감지 및 분류 모델을 설계하기 위해.
• 전자 의무 기록 및 유행병 지ap핑과의 통합을 통해 공중보건 감시 및 자원 배분을 가능하게 하기 위해.
• 자동화된 실시간 증상 평가를 통해 원격 삼분법을 지원하고 의료 체계의 부담을 줄이기 위해.

제안 방법

• 짧고 낮은 진폭의 기침을 포착하기 위해 다중 척도 시간적 수용장역을 갖춘 컨volution 신경망 기반 기침 감지 네트워크.
• 기본 병리 유형의 평균 임베딩과 테스트 기침 간의 유사도를 계산하여 소수의 학습 샘플로도 학습이 가능한 주목적 유사도 기반 분류기.
• 인간-로봇 대화 프레임워크 내에서 실시간 음성 처리, 적외선 체온 측정 및 关련 키워드 감지를 통합.
• 일반화 능력을 향상시키고 과적합을 줄이기 위해 대규모 기침 데이터셋에서 미리 학습된 모델을 활용.
• 병원, 지역 사회 및 슈퍼마켓에서 실시간 운영이 가능한 이동식 로봇에 종단 간 시스템을 구현.
• 대화 내용, 기침 이벤트 및 체온을 전자 의무 기록에 기록하여 데이터 저장 및 분석을 지원.

실험 결과

연구 질문

• RQ1 로봇 기반 시스템이 음성 신호를 활용해 실시간 인간-로봇 대화 중 기침 사건을 효과적으로 감지할 수 있는가?
• RQ2 주목적 유사도 기반 딥 러닝 모델이 제한된 훈련 데이터로도 기침을 다양한 질병 유형(코로나19 포함)으로 정확히 분류할 수 있는가?
• RQ3 제안된 기침 감지 및 분류 시스템은 민감도, 특이도 및 위양성률 측면에서 기존 방법과 비교해 어떻게 성능을 내는가?
• RQ4 이 시스템은 공공 장소에서 실시간 비접촉 위험 평가를 지원하여 교차 감염과 의료 자원의 부담을 줄일 수 있는가?
• RQ5 이 시스템은 고위험 개인의 조기 발견을 통해 격리 및 검사에 얼마나 기여할 수 있는가?

주요 결과

• 제안된 기침 감지 모델은 참 양성률 98.8%와 위양성률 2.34%를 달성하여 SVM, GMM 및 ANN 기반 모델보다 뛰어난 성능을 보였다.
• 주목적 유사도 기반 분류기는 다중 클래스 기침 분류에서 79%의 Top-1 정확도를 기록했으며, 코로나19 분류에선 76%의 Top-1 정확도를 달성했다.
• 이 시스템은 코로나19 기침 분류에서 98.7%의 민감도와 94.7%의 특이도를 보였으며, 강력한 진단 잠재력을 보였다.
• 파상풍(99.8% 민감도)과 기관지염(94.3% 민감도) 감지에 뛰어난 성능를 보였지만, 만성 상태인 후두염 등에서는 정확도가 낮았다.
• 이 시스템은 실시간 비접촉 스크리닝을 가능하게 하며, 전자 의무 기록 통합을 통해 공중보건 감시 및 유행병 지도화를 지원한다.
• 로봇 플랫폼에서 음성 상호작용, 체온 측정 및 기침 분석을 통합함으로써 지역사회 및 임상 현장에서 확장 가능한 자동화된 위험 평가가 가능해졌다.