論文の概要: End-to-End AI-Based Point-of-Care Diagnosis System for Classifying
Respiratory Illnesses and Early Detection of COVID-19
- arxiv url: http://arxiv.org/abs/2006.15469v1
- Date: Sun, 28 Jun 2020 00:06:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 02:58:30.119994
- Title: End-to-End AI-Based Point-of-Care Diagnosis System for Classifying
Respiratory Illnesses and Early Detection of COVID-19
- Title（参考訳）: 呼吸器疾患の分類と早期検出のためのエンド・ツー・エンドAIによるポイント・オブ・ケア診断システム
- Authors: Abdelkader Nasreddine Belkacem, Sofia Ouhbi, Abderrahmane Lakas,
Elhadj Benkhelifa, Chao Chen
- Abstract要約: 本稿では, 症状のある患者からのデータを記録できるエンド・ツー・エンドのポータブルシステムを提案する。
機械学習の助けを借りて、新型コロナウイルス(COVID-19)を含む様々な呼吸器疾患に分類する。
- 参考スコア（独自算出の注目度）: 8.336455271935556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Respiratory symptoms can be a caused by different underlying conditions, and
are often caused by viral infections, such as Influenza-like illnesses or other
emerging viruses like the Coronavirus. These respiratory viruses, often, have
common symptoms, including coughing, high temperature, congested nose, and
difficulty breathing. However, early diagnosis of the type of the virus, can be
crucial, especially in cases such as the recent COVID-19 pandemic. One of the
factors that contributed to the spread of the pandemic, was the late diagnosis
or confusing it with regular flu-like symptoms. Science has proved that one of
the possible differentiators of the underlying causes of these different
respiratory diseases is coughing, which comes in different types and forms.
Therefore, a reliable lab-free tool for early and more accurate diagnosis that
can differentiate between different respiratory diseases is very much needed.
This paper proposes an end-to-end portable system that can record data from
patients with symptom, including coughs (voluntary or involuntary) and
translate them into health data for diagnosis, and with the aid of machine
learning, classify them into different respiratory illnesses, including
COVID-19. With the ongoing efforts to stop the spread of the COVID-19 disease
everywhere today, and against similar diseases in the future, our proposed low
cost and user-friendly solution can play an important part in the early
diagnosis.
- Abstract（参考訳）: 呼吸器症状は、様々な基礎疾患によって引き起こされ、しばしばインフルエンザのような感染症やコロナウイルスのような新興ウイルスによって引き起こされる。
これらの呼吸器ウイルスは、しばしば、せき、高温、鼻の詰まり、呼吸困難など、一般的な症状を持つ。
しかし、新型コロナウイルスの早期診断は、特に最近の新型コロナウイルスのパンデミックのようなケースでは極めて重要である。
パンデミックの拡散に寄与した要因の1つは、遅れた診断または通常のインフルエンザのような症状と混同することであった。
科学は、これらの異なる呼吸器疾患の根底にある原因の1つが、異なる種類と形態から生じているせきであると証明した。
そのため、異なる呼吸器疾患を区別できる早期、より正確な診断のための信頼性の高いラボフリーツールが必要である。
そこで本稿では,(自発的あるいは不随意に)せきを含む症状のある患者のデータを記録し,診断のための健康データに変換し,機械学習を用いて,covid-19を含む異なる呼吸器疾患に分類する,エンドツーエンドポータブルシステムを提案する。
新型コロナウイルス(COVID-19)の感染拡大を至る所で阻止する取り組みが進行中であり、将来同様の疾患に対して、当社が提案する低コストでユーザフレンドリーなソリューションは早期診断において重要な役割を果たす可能性がある。
関連論文リスト
- Expert Uncertainty and Severity Aware Chest X-Ray Classification by
Multi-Relationship Graph Learning [48.29204631769816]
我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。
以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-09-06T19:19:41Z) - Common human diseases prediction using machine learning based on survey
data [0.0]
我々は疾患の症状を分析し,その症状に基づいて疾患の予知を行った。
我々は様々な症状を調査し,その課題を完了させるために人から調査を受けた。
モデルのトレーニングにはいくつかの分類アルゴリズムが使用されている。
論文 参考訳（メタデータ） (2022-09-22T02:59:47Z) - Prediction of COVID-19 using chest X-ray images [0.5396401833457564]
新型コロナウイルス(COVID-19)は、2019年後半に中国で初めて流行した、非常に伝染性の疾患である。
熱、乾燥、疲労は、最も典型的な新型コロナウイルスの症状である。
我々のAIアルゴリズムは、医師に劣化のリスクを定量的に見積もる。
論文 参考訳（メタデータ） (2022-04-08T05:23:24Z) - Multimodal Detection of COVID-19 Symptoms using Deep Learning &
Probability-based Weighting of Modes [2.8388425545775386]
新型コロナウイルスのパンデミックは、21世紀で最も困難な医療危機の1つだ。
新型コロナウイルス(COVID-19)の患者は、うっ血、発熱、息の短さなど、複数の症状を呈することがある。
本稿では,既存の深層学習分類器と新しい確率に基づく重み付け機能を組み込むことで,新型コロナウイルスの予測を行うマルチモーダル手法を提案する。
論文 参考訳（メタデータ） (2021-09-03T10:58:59Z) - 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) - Deep Neural Networks for COVID-19 Detection and Diagnosis using Images
and Acoustic-based Techniques: A Recent Review [0.36550217261503676]
新型コロナウイルスは2020年3月から世界保健機関(WHO)によってパンデミックと宣言されている。
これは、非定型肺炎を発症する可能性のある呼吸性熱帯性ウイルス感染である。
専門家は、COVID-19ウイルスを持っている人の早期発見の重要性を強調しています。
論文 参考訳（メタデータ） (2020-12-10T19:52:12Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Can Machine Learning Be Used to Recognize and Diagnose Coughs? [3.2265234594751155]
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。
論文 参考訳（メタデータ） (2020-04-01T20:14:36Z) - Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware
Anomaly Detection [86.81773672627406]
短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。
胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。
ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
論文 参考訳（メタデータ） (2020-03-27T11:32:18Z)
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。