論文の概要: Fast and automated biomarker detection in breath samples with machine
learning
- arxiv url: http://arxiv.org/abs/2006.01772v1
- Date: Sun, 24 May 2020 11:44:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 13:43:00.765408
- Title: Fast and automated biomarker detection in breath samples with machine
learning
- Title(参考訳): 機械学習を用いた呼吸サンプルの高速自動バイオマーカー検出
- Authors: Angelika Skarysz, Dahlia Salman, Michael Eddleston, Martin Sykora,
Eugenie Hunsicker, William H Nailon, Kareen Darnley, Duncan B McLaren, C L
Paul Thomas and Andrea Soltoggio
- Abstract要約: ヒトの呼吸中の揮発性有機化合物(VOC)は、様々な健康状態を明らかにすることができる。
ガスクロマトグラフィー質量分析法(GC-MS)はVOCの測定に用いられているが、その応用は専門家主導のデータ分析によって制限されている。
本稿では, VOCを学習し, 自動検出するディープラーニングパターン認識機能を活用したGC-MSデータ解析システムを提案する。
- 参考スコア(独自算出の注目度): 1.2026897155625271
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Volatile organic compounds (VOCs) in human breath can reveal a large spectrum
of health conditions and can be used for fast, accurate and non-invasive
diagnostics. Gas chromatography-mass spectrometry (GC-MS) is used to measure
VOCs, but its application is limited by expert-driven data analysis that is
time-consuming, subjective and may introduce errors. We propose a system to
perform GC-MS data analysis that exploits deep learning pattern recognition
ability to learn and automatically detect VOCs directly from raw data, thus
bypassing expert-led processing. The new proposed approach showed to outperform
the expert-led analysis by detecting a significantly higher number of VOCs in
just a fraction of time while maintaining high specificity. These results
suggest that the proposed method can help the large-scale deployment of
breath-based diagnosis by reducing time and cost, and increasing accuracy and
consistency.
- Abstract(参考訳): ヒトの呼吸中の揮発性有機化合物(VOC)は、様々な健康状態を明らかにし、迅速で正確で非侵襲的な診断に使用できる。
ガスクロマトグラフィー質量分析法(gc-ms)はvocを測定するために用いられるが、その応用は時間消費、主観的、エラーをもたらす専門家によるデータ分析によって制限されている。
本稿では,生データから直接VOCを学習し,自動検出する深層学習パターン認識機能を利用したGC-MSデータ解析システムを提案する。
提案手法は, 高い特異性を維持しつつ, 極めて多くのVOCを短時間で検出し, 専門家主導による解析より優れていることを示した。
これらの結果から,本手法は呼吸ベースの診断を大規模に展開する上で,時間とコストを削減し,精度と一貫性を向上できることが示唆された。
関連論文リスト
- Audio-Based Classification of Respiratory Diseases using Advanced Signal
Processing and Machine Learning for Assistive Diagnosis Support [1.9049294570026933]
我々の研究は、機械学習モデルをトレーニングするために、呼吸音の医用データベースとして最大規模のものを採用することに焦点を当てている。
実験モード分解とスペクトル分析を用いて,音響データから生理的関連バイオシグナーを抽出する。
健常者と疾患の鑑別において,バランスの取れた精度が87%のバイナリ分類モデルを用いている。
論文 参考訳(メタデータ) (2023-09-12T23:54:00Z) - Self-Verification Improves Few-Shot Clinical Information Extraction [73.6905567014859]
大規模言語モデル (LLMs) は、数発のテキスト内学習を通じて臨床キュレーションを加速する可能性を示している。
正確性や解釈可能性に関する問題、特に健康のようなミッションクリティカルな領域ではまだ苦戦している。
本稿では,自己検証を用いた汎用的な緩和フレームワークについて検討する。このフレームワークはLLMを利用して,自己抽出のための証明を提供し,その出力をチェックする。
論文 参考訳(メタデータ) (2023-05-30T22:05:11Z) - Intelligent diagnostic scheme for lung cancer screening with Raman
spectra data by tensor network machine learning [10.813777115744362]
呼気中の揮発性有機化合物(VOC)のラマンスペクトルデータをスクリーニングすることにより,肺がん患者とそのステージを確実に予測するテンソルネットワーク(TN)-ML法を提案する。
高い確実性を持つサンプルの精度はほぼ100$%$である。
論文 参考訳(メタデータ) (2023-03-11T07:57:37Z) - 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) - Hybrid Artifact Detection System for Minute Resolution Blood Pressure
Signals from ICU [1.8374319565577155]
本稿では, 変分オートエンコーダと統計的検出成分を組み合わせたハイブリッド人工物検出システムについて検討する。
予備的な結果は,90%を超える感度と特異度を連続的に達成できることを示唆している。
論文 参考訳(メタデータ) (2022-03-11T14:36:52Z) - Frequency comb and machine learning-based breath analysis for COVID-19
classification [0.6113111451963646]
本研究では,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法を提案する。
コロラド大学における170個のサンプルを用いて, 受信-操作-特性曲線 0.849(4) のクロスバリデーション領域を報告した。
喫煙や腹痛などの他の変数と同様に,男性と女性の呼吸に有意な差が認められた。
論文 参考訳(メタデータ) (2022-02-04T05:58:52Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - An efficient label-free analyte detection algorithm for time-resolved
spectroscopy [9.251773744318118]
そこで本稿では,ラベルのないアナライト検出のための新しい機械学習アルゴリズムを提案する。
ラマン分光法を併用した液体クロマトグラフィーにおけるアミノ酸検出の問題点を考察する。
論文 参考訳(メタデータ) (2020-11-15T07:57:03Z) - 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) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳(メタデータ) (2020-03-11T00:22:50Z)
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。