Fugu-MT 論文翻訳(概要): Sewage Pooling Test for SARS-CoV-2

論文の概要: Sewage Pooling Test for SARS-CoV-2

arxiv url: http://arxiv.org/abs/2005.07269v1
Date: Wed, 13 May 2020 16:00:17 GMT
ステータス: 処理完了
システム内更新日: 2023-05-20 07:33:20.622474
Title: Sewage Pooling Test for SARS-CoV-2
Title（参考訳）: SARS-CoV-2下水浄化試験
Authors: Ritam Guha, Anik Sengupta, Ankan Dutta
Abstract要約: CoVID-19は人類にとって最大の脅威の1つです。現在、35頭以上のラクの感染と2頭以上のラクの人間の死の理由です。そこで本研究では,下水マステストとプール機構を用いて,CoVID-19感染地域を検知する手法を提案する。
参考スコア（独自算出の注目度）: 0.3437656066916039
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: CoVID-19 is currently one of the biggest threats to mankind. To date, it is the reason for infections of over 35 lakhs and the death of over 2 lakh human beings. We propose a procedure to detect CoVID-19 affected localities using a sewage mass testing and pooling mechanism which has gained ground in recent times. The proposed method named Sewage Pooling Algorithm tests wastewater samples from sewage systems to pinpoint the regions which are affected by maximum chances of the virus spread. The algorithm also uses a priority-based backtracking procedure to perform testing in sewage links depending on the probability of infection in the sub-areas. For places with very rare CoVID cases, we present a gradient-based search method to prune those areas. The proposed method has less human intervention and increases the effective tests/million people over current in-place methods.
Abstract（参考訳）: CoVID-19は現在、人類にとって最大の脅威の1つだ。現在までに、35人以上のラクの感染と2人以上のラク人の死亡の原因となっている。近年, 下水マステストとプール機構を用いてCoVID-19感染地域を検知する手法を提案する。提案手法は, 下水汚濁防止アルゴリズムを用いて, 下水系から排水サンプルを採取し, 最大感染確率で影響を受ける地域を特定する。アルゴリズムはまた、優先順位ベースのバックトラッキング手順を使用して、サブエリアでの感染確率に応じて下水リンクのテストを行う。極めて稀なCoVID症例に対しては,これらの領域を探索するための勾配に基づく探索手法を提案する。提案手法は, 人的介入が少なく, 現行のインプレース法に比べて, 効果的なテスト/数百万人を増加させる。

関連論文リスト

COVID-19 Detection from Exhaled Breath [0.4321423008988813]
SARS-CoV-2は2019年に発生し、新型コロナウイルスのパンデミックを引き起こした。本稿では,吐き気のみを利用する,安価で高速で非侵襲的な検知システムを提案する。簡便な使用にもかかわらず,本システムは従来のポリメラーゼ鎖反応および抗原検査に匹敵する性能を示した。
論文参考訳（メタデータ） (2023-05-30T17:01:53Z)
A Crowdsourced Contact Tracing Model to Detect COVID-19 Patients using Smartphones [0.0]
このモデルは、モバイルクラウドソーシングを使用したロケーションベースの新型コロナウイルス患者識別のために定式化されている。脆弱性のある地域の他のユーザーには、安全のため6フィートまたは1.8メートルの距離に留まるよう通知する。
論文参考訳（メタデータ） (2021-11-17T19:56:24Z)
Multi-Objective Allocation of COVID-19 Testing Centers: Improving Coverage and Equity in Access [2.7910505923792646]
新型コロナウイルスは4200万人以上に感染し、全米で67万3000人以上が死亡している。公衆衛生当局は、感染のホットスポットを特定するための診断検査の結果を監視した。テストサイトアロケーションの現在のスキームのほとんどは、経験や利便性に基づいています。
論文参考訳（メタデータ） (2021-09-21T03:53:14Z)
COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文参考訳（メタデータ） (2021-05-04T19:01:40Z)
Uncertainty-Aware Semi-supervised Method using Large Unlabelled and Limited Labeled COVID-19 Data [14.530328267425638]
新型コロナウイルス自動検出のための限定ラベルデータ(SCLLD)を用いた半監視分類を提案する。提案システムは,近江病院から収集した1万個のCTスキャンを用いて訓練する。本手法は,ラベル付きトレーニングデータが少ない場合に,Convolutional Neural Network (CNN) の教師付きトレーニングを大幅に上回っている。
論文参考訳（メタデータ） (2021-02-12T08:20:20Z)
Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文参考訳（メタデータ） (2020-12-24T18:49:22Z)
C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
論文参考訳（メタデータ） (2020-12-22T17:02:54Z)
COVID-19 Infection Map Generation and Detection from Chest X-Ray Images [19.578921765959333]
そこで本研究では,CXR画像からの新型コロナウイルスの同時局在,重症度評価,検出のための新しい手法を提案する。私たちは、2951のCOVID-19サンプルを含む119,316のCXRイメージで、最大のデータセットをコンパイルしました。詳細な実験により、最先端のセグメンテーションネットワークは、F1スコア83.20%で新型コロナウイルス感染症の局所化を学べることが示されている。
論文参考訳（メタデータ） (2020-09-26T22:20:05Z)
Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。原理的に部分観測可能なベイズ的枠組みを提案する。
論文参考訳（メタデータ） (2020-09-12T20:37:33Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文参考訳（メタデータ） (2020-05-15T17:17:45Z)

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。