Voilà une invention qui doit valoir son pesant de nouveauté, jugez plutôt !
«Des toilettes équipées d'un microphone afin de détecter des maladies gastro-intestinales et qui en plus et vous donneront des conseils», source Intersting Engineering.
Le capteur du microphone peut classer les maladies intestinales à l'aide d'un apprentissage automatique. Le capteur non invasif peut détecter une maladie dans l’intestin.
Maia Gatlin, ingénieure de recherche au Georgia Institute of Technology, a créé un moyen d'utiliser l'intelligence artificielle pour détecter la diarrhée. Elle a appelé sa présentation The Feces Thesis: Using Machine Learning to Detect Diarrhoea.
Gatlin a présenté le capteur le 5 décembre, lors de la réunion annuelle de l'Acoustical Society of America, expliquant ses découvertes sur la façon dont l'apprentissage automatique peut être utilisé pour détecter les maladies de l'intestin. Elle utilise un capteur doté d’un microphone non invasif pour identifier les maladies intestinales, sans nécessairement collecter d'informations identifiables, ce qui signifie que l'Intelligence Artificielle (IA) peut déterminer l'infection sans avoir à être examinée dans un établissement médical pour collecter des données supplémentaires.
La méthode consiste à utiliser le microphone et l'apprentissage automatique pour détecter la diarrhée. Gatlin et son équipe de recherche ont testé la technique du capteur sur des fichiers audio provenant de ressources en ligne. Chaque échantillon audio unique d'une excrétion, ou selle, a été converti en un spectrogramme, qui capture le son dans une image.
Un spectrogramme est une manière visuelle de représenter le son d'un signal dans le temps, représentant un visuel du son.
Les différents types d'excrétion créent des caractéristiques différentes dans l'audio et le spectrogramme. Le ton diarrhéique a produit plus d'un son aléatoire pour les chercheurs. Les images du spectrogramme ont ensuite été utilisées comme entrée et ont été placées dans un algorithme d'apprentissage automatique. Les performances de l'algorithme ont ensuite été testées par rapport à des données avec et sans bruit de fond pour s'assurer qu'il obtenait les informations nécessaires pour interpréter les sons à l'aide du capteur, quel que soit l'environnement.
NB : La photo représente le capteur situé au-dessus des toilettes. ©Maia Gatlin/l'Acoustical Society of America.
