Um estudo publicado em 2021, vinculado ao Estudo Spira: sistema de detecção precoce de insuficiência respiratória por meio de análise de áudio (projeto anterior ao SPIRA-BM), abordou soluções inovadoras para enfrentar a escassez de dados no ComParE 2021 Challenge. A pesquisa combinou estratégias de transfer learning e data augmentation para aprimorar o desempenho de modelos de deep learning em tarefas de diagnóstico relacionadas à COVID-19.
O trabalho contou com uma série de amostras de áudio, que incluíram a fala e tosse de indivíduos saudáveis e infectados. O ComParE Speech Sub-Challenge (CSS), voltado à detecção de COVID-19 a partir de amostras de fala, e o ComParE Cough Sub-Challenge (CCS), que analisou gravações de tosse. Essa divisão permitiu aos pesquisadores explorar como diferentes tipos de sinais de áudio poderiam contribuir para a identificação da doença em condições de dados limitados.
O estudo foi conduzido por Marcelo Finger, Daniel R. Machado, Lucas A. F. de Melo e Bruno L. S. dos Santos, com apoio da Fapesp, Capes, CNPq e da NVIDIA Corporation.
O artigo completo está disponível em: Transfer Learning and Data Augmentation Techniques to the COVID-19 Identification Tasks in ComParE 202
