本研究提出了一种统一框架，通过评估多种深度学习模型，解决了基于咳嗽声音的呼吸疾病诊断方法的数据规模限制和模型性能不足的问题。实验结果显示该方法在COVID-19和慢性阻塞性肺疾病的分类任务中表现优异，其AUROC达到了92.5%。

谷歌研究团队开发了名为HeAR的生物声学基础模型，可从声音数据中提取健康信息，帮助早期发现疾病。该模型通过对30亿个音频数据进行训练，能识别健康相关声音中的模式，并在医疗音频分析中表现出优越性能。HeAR已对研究人员开放，帮助加速定制生物声学模型的开发。Salcit Technologies正在使用HeAR改进结核病的早期检测。谷歌研究团队希望通过这项研究推动未来诊断工具和监测解决方案的发展，改善全球社区的健康结果。

咳嗽变异性哮喘是一种特殊类型的哮喘，主要表现为咳嗽，无明显喘息和气促，但有气道高反应性。该病在日本较为常见，可能与环境和敏感性有关。治疗需吸入激素，可缓解但不能痊愈。患者需重视并控制病情，生活中无太多限制。

本研究使用智能手表内置麦克风传感器监测咳嗽并检测咳嗽类型。通过研究32名参与者，收集9小时音频数据，使用结构化方法处理数据得到223个阳性咳嗽样本。通过增加技术改进数据集，采用1D CNN模型，非步行状态下准确率达98.49%，步行状态下达98.2%，证明智能手表可以检测咳嗽。研究成功使用聚类技术识别出四种不同类型的咳嗽。

作者在年会后连续两次生病，怀疑是免疫力下降或天气寒冷所致。记录了两次的药方，对中药持有信任。提到了咳嗽问题和缓解咳嗽的方法。强调了健康的重要性和心态对身体健康的影响。

本研究使用深度学习方法诊断COVID-19，ROC-AUC为0.846。引入自定义的深度神经网络，以关节呼吸和咳嗽表示的方式进行诊断。提供了四个分层折叠的数据集和模型细节，具备可重现性。

本研究使用智能手表的麦克风传感器监测咳嗽，成功检测出四种不同类型的咳嗽。准确率分别为非步行状态下的98.49%和步行状态下的98.2%。

作者感染新冠后经历了嗓子不舒服、咳嗽、胸闷、体能下降、记忆力减退和食欲不振等症状。