論文の概要: Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data

• arxiv url: http://arxiv.org/abs/2006.05919v3
• Date: Mon, 18 Jan 2021 07:08:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-23 06:44:40.783793
• Title: Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data
• Title（参考訳）: クラウドソースによる呼吸音データからのCOVID-19自動診断の探索
• Authors: Chlo\"e Brown, Jagmohan Chauhan, Andreas Grammenos, Jing Han, Apinan Hasthanasombat, Dimitris Spathis, Tong Xia, Pietro Cicuta, Cecilia Mascolo
• Abstract要約: 新型コロナウイルスの診断を支援するため,大規模クラウドソースで収集した呼吸音のデータセット上でのデータ解析を行った。 以上の結果から、単純なバイナリ機械学習分類器さえも、正常な分類と新型コロナウイルスの音を正しく分類できることが示唆された。 この研究は、自動的な呼吸パターンが事前スクリーニング信号としてどのように使用されるか、さらに調査するための扉を開く。
• 参考スコア（独自算出の注目度）: 20.318414518283618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Audio signals generated by the human body (e.g., sighs, breathing, heart, digestion, vibration sounds) have routinely been used by clinicians as indicators to diagnose disease or assess disease progression. Until recently, such signals were usually collected through manual auscultation at scheduled visits. Research has now started to use digital technology to gather bodily sounds (e.g., from digital stethoscopes) for cardiovascular or respiratory examination, which could then be used for automatic analysis. Some initial work shows promise in detecting diagnostic signals of COVID-19 from voice and coughs. In this paper we describe our data analysis over a large-scale crowdsourced dataset of respiratory sounds collected to aid diagnosis of COVID-19. We use coughs and breathing to understand how discernible COVID-19 sounds are from those in asthma or healthy controls. Our results show that even a simple binary machine learning classifier is able to classify correctly healthy and COVID-19 sounds. We also show how we distinguish a user who tested positive for COVID-19 and has a cough from a healthy user with a cough, and users who tested positive for COVID-19 and have a cough from users with asthma and a cough. Our models achieve an AUC of above 80% across all tasks. These results are preliminary and only scratch the surface of the potential of this type of data and audio-based machine learning. This work opens the door to further investigation of how automatically analysed respiratory patterns could be used as pre-screening signals to aid COVID-19 diagnosis.
• Abstract（参考訳）: 人体から発生する音声信号(息、呼吸、心臓、消化、振動音など)は、臨床医が病気の診断や疾患の進行を評価する指標として日常的に用いられている。 最近まで、このような信号は通常、定期的な訪問の際に手動の聴取を通して収集されていた。 研究は現在、身体の音(例えばデジタル聴診器から)を心臓血管や呼吸検査に収集するためにデジタル技術を使い始めており、自動分析に使用することができる。 初期の研究で、声とせきからcovid-19の診断信号を検出することが期待されている。 本稿では,covid-19の診断を支援するために収集された呼吸音の大規模クラウドソーシングデータセットに関するデータ分析について述べる。 気管支喘息や健康管理の人たちからcovid-19の音がいかに識別できるかを理解するために、cooughsとbreathを使っています。 その結果、単純なバイナリ機械学習分類器でも、正常な健康音とcovid-19音を分類できることがわかった。 また、covid-19陽性者と、covid-19陽性者とを区別する方法、および、covid-19陽性者と、喘息患者と、coough患者とを区別する方法を示す。 我々のモデルはすべてのタスクで80%以上のAUCを達成する。 これらの結果は予備的であり、この種のデータとオーディオベースの機械学習のポテンシャルの表面のみを掻き取る。 この研究は、新型コロナウイルス(COVID-19)の診断に役立つ事前スクリーニング信号として、自動で呼吸パターンを分析する方法について、さらなる調査を行うための扉を開く。

関連論文リスト

• 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)
• Statistical Design and Analysis for Robust Machine Learning: A Case Study from COVID-19 [45.216628450147034]
  本稿では、音声信号に基づいて、新型コロナウイルス感染の予測に使用される最先端の機械学習技術について厳格に評価する。 本研究は,音響的特徴に基づく新型コロナウイルス感染状況の分類法の性能評価に関するガイドラインを提供する。
  論文  参考訳（メタデータ） (2022-12-15T13:50:13Z)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• 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)
• Audio, Speech, Language, & Signal Processing for COVID-19: A Comprehensive Overview [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、2020年の世界的研究の焦点となっている。 新型コロナウイルスの症状の大部分は、呼吸器系の機能に関連している。 この研究は、音声やその他の人間が生成する音声信号の中で、新型コロナウイルスのマーカーを特定することに焦点を当てている。
  論文  参考訳（メタデータ） (2020-11-29T21:33:59Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Pay Attention to the cough: Early Diagnosis of COVID-19 using Interpretable Symptoms Embeddings with Cough Sound Signal Processing [0.0]
  新型コロナウイルス(SARS-CoV-2によるコロナウイルスのパンデミック)は、人類にとって恐ろしく壊滅的な大惨事を引き起こしている。 新型コロナウイルスの現在の診断は、RT-PCR(Reverse-Transcription Polymer Chain Reaction)テストによって行われる。 音声の特徴と症状メタデータに基づいて、解釈可能で新型コロナウイルスの診断AIフレームワークを開発、開発する。
  論文  参考訳（メタデータ） (2020-10-06T01:22:50Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• 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。