Écoutez les toilettes : elles pourraient détecter des maladies
Un capteur microphonique et l'apprentissage automatique peuvent classer les événements d'excrétion, identifier le choléra ou d'autres maladies intestinales, le tout sans informations identifiables.
Le choléra, une maladie bactérienne qui provoque des diarrhées, touche des millions de personnes et entraîne environ 150 000 décès chaque année. L'identification de la propagation potentielle d'une maladie communautaire lors d'une telle épidémie permettrait d'alerter rapidement les professionnels de la santé et d'améliorer l'allocation des ressources et de l'aide. Toutefois, pour des raisons évidentes, la surveillance de cette maladie et d'autres maladies intestinales est un sujet sensible.
Image symbolique
Computer-generated image
Dans sa présentation, "La thèse des fèces : Using machine learning to detect diarrhea", Maia Gatlin, du Georgia Institute of Technology, décrira comment un capteur microphonique non invasif pourrait identifier les maladies intestinales sans collecter d'informations identifiables. La présentation a eu lieu le 5 décembre dans l'est des États-Unis, au sommet C, dans le cadre de la 183e réunion de l'Acoustical Society of America qui se déroule du 5 au 9 décembre à l'hôtel Grand Hyatt Nashville.
Mme Gatlin et son équipe ont testé la technique sur des données audio provenant de sources en ligne. Chaque échantillon audio d'un événement d'excrétion a été transformé en un spectrogramme, qui capture essentiellement le son dans une image. Des événements différents produisent des caractéristiques différentes dans l'audio et le spectrogramme. Par exemple, la miction crée un son cohérent, tandis que la défécation peut avoir un son singulier. En revanche, la diarrhée est plus aléatoire.
Les images du spectrogramme ont été soumises à un algorithme d'apprentissage automatique qui a appris à classer chaque événement en fonction de ses caractéristiques. Les performances de l'algorithme ont été testées sur des données avec et sans bruit de fond pour s'assurer qu'il apprenait les bonnes caractéristiques sonores, quel que soit l'environnement du capteur.
"L'espoir est que ce capteur, dont l'empreinte est réduite et l'approche non invasive, puisse être déployé dans des zones où les épidémies de choléra constituent un risque persistant", a déclaré M. Gatlin. "Le capteur pourrait également être utilisé dans les zones sinistrées (où la contamination de l'eau entraîne la propagation d'agents pathogènes d'origine hydrique), ou même dans les établissements de soins infirmiers ou hospitaliers pour surveiller automatiquement les selles des patients. Peut-être qu'un jour, notre algorithme pourra être utilisé avec les appareils intelligents existants à domicile pour surveiller les selles et la santé de chacun !"
À l'avenir, Gatlin et ses collègues prévoient de recueillir des données acoustiques du monde réel afin que leur modèle d'apprentissage automatique puisse s'adapter pour fonctionner dans une variété d'environnements de salle de bain.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Autres actualités du département science
Ces produits pourraient vous intéresser
Hose pressure transducer de HiTec Zang
Mesure de pression sans contact pour les applications stériles
Capteurs de pression pour tuyaux faciles à monter pour des diamètres de 4,8 à 19,1 mm
FireSting-PRO de PyroScience
Un seul dispositif pour des mesures de plusieurs analytes dans un seul échantillon
PH-mètre, oxygénomètre et thermomètre optiques, aussi pour les capteurs stériles pH pré-calibrés
