論文の概要: Can Machine Learning Be Used to Recognize and Diagnose Coughs?

• arxiv url: http://arxiv.org/abs/2004.01495v3
• Date: Sun, 4 Oct 2020 04:00:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 18:26:24.590781
• Title: Can Machine Learning Be Used to Recognize and Diagnose Coughs?
• Title（参考訳）: 機械学習はせきの認識と診断に使えるか?
• Authors: Charles Bales, Muhammad Nabeel, Charles N. John, Usama Masood, Haneya N. Qureshi, Hasan Farooq, Iryna Posokhova, Ali Imran
• Abstract要約: 呼吸器感染症のスクリーニングには,低複雑性,自動認識,診断ツールが有用である。 コンボリューショナルニューラルネットワーク (CNN) を用いて, 環境音のコアを検出し, 3つの潜在的な疾患を診断する。 提案された検出モデルと診断モデルはどちらも精度が89%以上であり、計算効率も高い。
• 参考スコア（独自算出の注目度）: 3.2265234594751155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emerging wireless technologies, such as 5G and beyond, are bringing new use cases to the forefront, one of the most prominent being machine learning empowered health care. One of the notable modern medical concerns that impose an immense worldwide health burden are respiratory infections. Since cough is an essential symptom of many respiratory infections, an automated system to screen for respiratory diseases based on raw cough data would have a multitude of beneficial research and medical applications. In literature, machine learning has already been successfully used to detect cough events in controlled environments. In this paper, we present a low complexity, automated recognition and diagnostic tool for screening respiratory infections that utilizes Convolutional Neural Networks (CNNs) to detect cough within environment audio and diagnose three potential illnesses (i.e., bronchitis, bronchiolitis and pertussis) based on their unique cough audio features. Both proposed detection and diagnosis models achieve an accuracy of over 89%, while also remaining computationally efficient. Results show that the proposed system is successfully able to detect and separate cough events from background noise. Moreover, the proposed single diagnosis model is capable of distinguishing between different illnesses without the need of separate models.
• Abstract（参考訳）: 5Gなど新しいワイヤレス技術は、機械学習による医療の強化でもっとも顕著なユースケースの1つとして、新しいユースケースを最前線に導入している。 世界的な健康上の重荷を負う現代の医学的懸念の1つは呼吸器感染症である。 coughは多くの呼吸器感染症に必須の症状であるため、生のcoughデータに基づいて呼吸器疾患をスクリーニングする自動化システムには、多くの有益な研究と医学的応用がある。 文学では、機械学習はすでに制御された環境でのcoughイベントの検出に成功している。 本稿では,コンボリューションニューラルネット(cnns)を用いて,環境音声中のcoughの検出と3つの潜在的な疾患(気管支炎,気管支炎,重積症)の診断を,独自のcough音声特徴に基づいて行う,呼吸器感染症のスクリーニングのための低複雑性,自動認識,診断ツールを提案する。 提案する検出モデルと診断モデルはともに89%以上の精度を達成し,計算効率も向上した。 その結果,提案システムでは,背景雑音からコークスイベントを検出・分離できることがわかった。 さらに, 単一診断モデルでは, 個別のモデルを必要とすることなく, 異なる疾患を区別することができる。

関連論文リスト

• Automatic Detection of COVID-19 from Chest X-ray Images Using Deep Learning Model [3.8329708057847305]
  コロナウイルス(2019-nCoV)は昨年から広く普及しており、世界中に波及している。 テストキットが限られているため、従来の手法で重篤な呼吸障害のある患者を検査するのも大変な作業である。 本稿では,ディープラーニングを用いた診断システムの有効性を示すモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-27T10:01:58Z)
• Towards using Cough for Respiratory Disease Diagnosis by leveraging Artificial Intelligence: A Survey [3.0911149532847375]
  カフ音響には、呼吸系における病理形態学的変化に関する情報が多数含まれている。 人工知能(AI)の最近の応用と呼吸器疾患予測のためのユビキタスコンピューティングの進歩は、注目に値する傾向を生み出している。 機械学習(ML)とディープラーニング(DL)ベースの診断アルゴリズムは、コークスシグネチャを駆使して急速に流行している。
  論文  参考訳（メタデータ） (2023-09-24T19:03:46Z)
• COVID-19 Detection System: A Comparative Analysis of System Performance Based on Acoustic Features of Cough Audio Signals [0.6963971634605796]
  本研究は、新型コロナウイルス検出における機械学習(ML)モデルの性能向上を図ることを目的としている。 MFCC(Mel Frequency Cepstral Coefficients)、クロマ(Chroma)、スペクトルコントラスト(Spectral Contrast)の3つの特徴抽出手法の有効性について検討し、2つの機械学習アルゴリズム、SVM(Support Vector Machine)とMLP(Multilayer Perceptron)に適用した。 提案システムでは,COUGHVIDデータセットでは0.843,Virufyでは0.953,最先端の分類性能を示す。
  論文  参考訳（メタデータ） (2023-09-08T08:33:24Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
  モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。 最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
  論文  参考訳（メタデータ） (2021-08-07T23:05:18Z)
• Deep Neural Network Based Respiratory Pathology Classification Using Cough Sounds [6.376404422444008]
  本研究では,健常児と病的児を区別できる深層学習に基づく音分類モデルを提案する。 我々は,臨床医の診断とラベル付きで,新しいうっつき音のデータセットを収集した。
  論文  参考訳（メタデータ） (2021-06-23T05:49:20Z)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。