論文の概要: COVID-19 in differential diagnosis of online symptom assessments
- arxiv url: http://arxiv.org/abs/2008.03323v3
- Date: Mon, 30 Nov 2020 22:13:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 00:35:44.612115
- Title: COVID-19 in differential diagnosis of online symptom assessments
- Title（参考訳）: オンライン症状評価の鑑別診断におけるCOVID-19
- Authors: Anitha Kannan, Richard Chen, Vignesh Venkataraman, Geoffrey J. Tso,
Xavier Amatriain
- Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、オンラインのヘルスケアソリューションを探している人たちの、すでに存在する傾向を拡大した。
従来の症状チェッカーは、柔軟で修正が難しい手作業による専門家システムに基づいている。
本稿では,従来のAIエキスパートシステムの強みと,新しいディープラーニングモデルを組み合わせたアプローチを提案する。
- 参考スコア（独自算出の注目度）: 3.322985051936811
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The COVID-19 pandemic has magnified an already existing trend of people
looking for healthcare solutions online. One class of solutions are symptom
checkers, which have become very popular in the context of COVID-19.
Traditional symptom checkers, however, are based on manually curated expert
systems that are inflexible and hard to modify, especially in a quickly
changing situation like the one we are facing today. That is why all COVID-19
existing solutions are manual symptom checkers that can only estimate the
probability of this disease and cannot contemplate alternative hypothesis or
come up with a differential diagnosis. While machine learning offers an
alternative, the lack of reliable data does not make it easy to apply to
COVID-19 either. In this paper we present an approach that combines the
strengths of traditional AI expert systems and novel deep learning models. In
doing so we can leverage prior knowledge as well as any amount of existing data
to quickly derive models that best adapt to the current state of the world and
latest scientific knowledge. We use the approach to train a COVID-19 aware
differential diagnosis model that can be used for medical decision support both
for doctors or patients. We show that our approach is able to accurately model
new incoming data about COVID-19 while still preserving accuracy on conditions
that had been modeled in the past. While our approach shows evident and clear
advantages for an extreme situation like the one we are currently facing, we
also show that its flexibility generalizes beyond this concrete, but very
important, example.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、オンラインのヘルスケアソリューションを探している人たちの、既存の傾向を拡大した。
ソリューションの1つのクラスは症状チェッカーであり、COVID-19の文脈で非常に人気を博している。
しかし、従来の症状チェッカーは、手作業でキュレートされたエキスパートシステムに基づいており、特に現在直面しているような、急速に変化する状況において、柔軟で修正が難しい。
そのため、新型コロナウイルスの既存のソリューションはすべて手動の症状チェッカーであり、この疾患の確率を推測し、代替仮説を考えたり、鑑別診断を行うことができない。
機械学習は代替手段を提供するが、信頼できるデータがないため、COVID-19にも簡単に適用できない。
本稿では,従来のAIエキスパートシステムの強みと,新しいディープラーニングモデルを組み合わせたアプローチを提案する。
そうすることで、先行知識と既存のデータを活用することで、世界の現在の状況と最新の科学的知識に最も適応したモデルを素早く導き出すことができます。
このアプローチは、医師と患者の両方の医療的意思決定支援に使用できる、covid-19対応の鑑別診断モデルをトレーニングするために使用します。
当社のアプローチは、過去にモデル化された条件の正確性を保ちながら、新型コロナウイルスに関する新しい入ってくるデータを正確にモデル化できることを示します。
私たちのアプローチは、現在直面しているような極端な状況に対して明らかで明確な利点を示していますが、その柔軟性は、この具体的、しかし非常に重要なものであることも示しています。
関連論文リスト
- Automatic Detection of COVID-19 from Chest X-ray Images Using Deep Learning Model [3.8329708057847305]
コロナウイルス(2019-nCoV)は昨年から広く普及しており、世界中に波及している。
テストキットが限られているため、従来の手法で重篤な呼吸障害のある患者を検査するのも大変な作業である。
本稿では,ディープラーニングを用いた診断システムの有効性を示すモデルを提案する。
論文 参考訳（メタデータ） (2024-08-27T10:01:58Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-06-02T01:46:31Z) - NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model
with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。
本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。
以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文 参考訳（メタデータ） (2022-06-02T07:57:17Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - 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) - Forecasting of COVID-19 Cases, Using an Evolutionary Neural Architecture
Search Approach [0.76146285961466]
2019年後半には、重症呼吸器疾患である新型コロナウイルス(COVID-19)が出現し、それ以来、世界はパンデミックの危機に直面している。
本稿では、拡張機能を備えた新しいデータセットを導入し、新しいアプローチで新型コロナウイルスの患者を予測する。
アプローチの有効性を示すため、イランの毎日の事例について比較研究を行った。
論文 参考訳（メタデータ） (2021-09-15T05:12:50Z) - 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) - COVIDX: Computer-aided diagnosis of Covid-19 and its severity prediction
with raw digital chest X-ray images [0.6767885381740952]
ウイルス病(covid-19)は重症急性呼吸器症候群(sars-cov-2)による感染症である。
胸部X線(CXR)画像は、新型コロナウイルスの検出と診断のための代替モダリティとして使用できる。
本稿では,CXR画像からの深部特徴マップを用いたCOVID-19診断・重症度自動予測システムを提案する。
論文 参考訳（メタデータ） (2020-12-25T17:03:06Z) - 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)
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。