論文の概要: Hi Sigma, do I have the Coronavirus?: Call for a New Artificial Intelligence Approach to Support Health Care Professionals Dealing With The COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2004.06510v1
• Date: Fri, 10 Apr 2020 21:03:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 21:35:24.227137
• Title: Hi Sigma, do I have the Coronavirus?: Call for a New Artificial Intelligence Approach to Support Health Care Professionals Dealing With The COVID-19 Pandemic
• Title（参考訳）: シグマさん、コロナウイルスはありますか。 新型コロナウイルス(covid-19)パンデミックに対応する医療従事者支援のための新しい人工知能アプローチの提案
• Authors: Brian Subirana, Ferran Hueto, Prithvi Rajasekaran, Jordi Laguarta, Susana Puig, Josep Malvehy, Oriol Mitja, Antoni Trilla, Carlos Iv\'an Moreno, Jos\'e Francisco Mu\~noz Valle, Ana Esther Mercado Gonz\'alez, Barbara Vizmanos, Sanjay Sarma
• Abstract要約: 音声通話を訓練した人工知能トランスファー学習アルゴリズムは、新型コロナウイルスの診断試験の結果であることを示す。 医療コミュニティに採用されるためには,臨床治験およびメキシコ,スペイン,米国における他の3つの会場での検査結果の検証を予定している。
• 参考スコア（独自算出の注目度）: 2.1196758711768644
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Just like your phone can detect what song is playing in crowded spaces, we show that Artificial Intelligence transfer learning algorithms trained on cough phone recordings results in diagnostic tests for COVID-19. To gain adoption by the health care community, we plan to validate our results in a clinical trial and three other venues in Mexico, Spain and the USA . However, if we had data from other on-going clinical trials and volunteers, we may do much more. For example, for confirmed stay-at-home COVID-19 patients, a longitudinal audio test could be developed to determine contact-with-hospital recommendations, and for the most critical COVID-19 patients a success ratio forecast test, including patient clinical data, to prioritize ICU allocation. As a challenge to the engineering community and in the context of our clinical trial, the authors suggest distributing cough recordings daily, hoping other trials and crowdsourcing users will contribute more data. Previous approaches to complex AI tasks have either used a static dataset or were private efforts led by large corporations. All existing COVID-19 trials published also follow this paradigm. Instead, we suggest a novel open collective approach to large-scale real-time health care AI. We will be posting updates at https://opensigma.mit.edu. Our personal view is that our approach is the right one for large scale pandemics, and therefore is here to stay - will you join?
• Abstract（参考訳）: スマートフォンが混み合った空間で再生している曲を検知できるのと同じように、coough phone recordingsでトレーニングされた人工知能転送学習アルゴリズムが新型コロナウイルスの診断テストに繋がることを示している。 医療コミュニティに採用されるためには,臨床治験の結果と,メキシコ,スペイン,米国における他の3つの会場について検証する。 しかし、他の臨床試験やボランティアのデータがあれば、もっと多くのことができるでしょう。 例えば、在宅で確認された新型コロナウイルス患者に対しては、コンタクト・ウィズ・ホスピタル・レコメンデーションを決定するための縦方向オーディオテストが開発され、最も重要な患者に対しては、患者の臨床データを含む成功率予測テストがICUアロケーションの優先順位付けに使用される。 エンジニアリングコミュニティと臨床試験の文脈における課題として、著者らは、他のトライアルやクラウドソーシングのユーザーがより多くのデータに貢献することを願って、毎日コークスを配布することを推奨している。 複雑なAIタスクに対するこれまでのアプローチは、静的データセットを使ったり、大企業が主導したプライベートな取り組みだった。 既存の新型コロナウイルス(COVID-19)の治験もこのパラダイムに従っている。 代わりに、大規模リアルタイム医療AIに対する新しいオープン集団アプローチを提案する。 アップデートはhttps://opensigma.mit.edu.comで公開します。 私たちの個人的な見解は、大規模なパンデミックには私たちのアプローチが正しいので、ここに留まりましょう – 参加して頂けますか?

関連論文リスト

• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• Telehealthcare and Covid-19: A Noninvasive & Low Cost Invasive, Scalable and Multimodal Real-Time Smartphone Application for Early Diagnosis of SARS-CoV-2 Infection [0.0]
  そこで本研究では,Covid-19感染症の早期診断のためのスマートフォンアプリケーションベースの新しいプラットフォームを提案する。 このアプリケーションは3つの診断方法を提供しており、起こりうる症状、うっ血の音、特定の血液マーカーを診断する。 われわれの機械学習モデルは、100%、95.65%、および77.59%の精度でコビッド19の患者を識別できる。
  論文  参考訳（メタデータ） (2021-09-16T10:22:31Z)
• COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep Convolutional Neural Network Design for Detection of COVID-19 Patient Cases from Point-of-care Ultrasound Imaging [101.27276001592101]
  我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。 実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。 リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
  論文  参考訳（メタデータ） (2021-08-05T16:47:33Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Multi-Task Driven Explainable Diagnosis of COVID-19 using Chest X-ray Images [61.24431480245932]
  COVID-19 Multi-Task Networkは、新型コロナウイルススクリーニングのためのエンドツーエンドネットワークである。 我々は,ChestXray-14,CheXpertおよび統合型COVID-19データセットから採取した9000個の前頭胸部X線写真から肺領域を手動で注釈した。 このデータベースは研究コミュニティに公開されます。
  論文  参考訳（メタデータ） (2020-08-03T12:52:23Z)
• A Partially Observable MDP Approach for Sequential Testing for Infectious Diseases such as COVID-19 [29.84897273754802]
  本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。 そして、感染した個体数を最小化する効率的な学習戦略を開発する。
  論文  参考訳（メタデータ） (2020-07-25T22:13:37Z)
• Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging [8.280858576611587]
  新型コロナウイルスの患者を診断する主な問題は、検査キットの不足と信頼性である。 第2の現実の問題は、世界中の病院間でデータを共有することだ。 第3に,ブロックチェーン技術を用いてグローバルモデルを協調的にトレーニングする手法を設計する。
  論文  参考訳（メタデータ） (2020-07-10T11:23:14Z)
• Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
  新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。 最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
  論文  参考訳（メタデータ） (2020-04-06T15:21:34Z)
• AI4COVID-19: AI Enabled Preliminary Diagnosis for COVID-19 from Cough Samples via an App [2.952763324646348]
  新型コロナウイルス(COVID-19)のパンデミックとの戦いが続く中で、大規模な検査ができないことは、人類のアキールのかかととなった。 我々は、スマートフォンアプリを介してデプロイ可能な新型コロナウイルス感染症スクリーニングソリューションを提案し、開発し、テストする。 AI4COVID-19と名付けられたこのアプリは、クラウド上で動くAIエンジンに3、3秒間音を録音し、2分以内に結果を返す。
  論文  参考訳（メタデータ） (2020-04-02T21:39:34Z)

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。