論文の概要: COVID19 Tracking: An Interactive Tracking, Visualizing and Analyzing Platform

• arxiv url: http://arxiv.org/abs/2008.04285v1
• Date: Mon, 10 Aug 2020 17:27:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 16:00:05.110817
• Title: COVID19 Tracking: An Interactive Tracking, Visualizing and Analyzing Platform
• Title（参考訳）: COVID19 Tracking:インタラクティブなトラッキング、可視化、分析プラットフォーム
• Authors: Zhou Yang, Jiwei Xu, Zhenhe Pan, Fang Jin
• Abstract要約: 新型コロナウイルス(COVID-19)がパンデミックとなり、数百万人が感染し、数万人が死亡した。 COVID-19のダイナミクスをより深く理解するために、私たちは、包括的な新型コロナウイルス追跡および可視化プラットフォームを提示します。
• 参考スコア（独自算出の注目度）: 3.6431130041427973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Coronavirus Disease 2019 (COVID-19) has now become a pandemic, inflicting millions of people and causing tens of thousands of deaths. To better understand the dynamics of COVID-19, we present a comprehensive COVID-19 tracking and visualization platform that pinpoints the dynamics of the COVID-19 worldwide. Four essential components are implemented: 1) presenting the visualization map of COVID-19 confirmed cases and total counts all over the world; 2) showing the worldwide trends of COVID-19 at multi-grained levels; 3) provide multi-view comparisons, including confirmed cases per million people, mortality rate and accumulative cure rate; 4) integrating a multi-grained view of the disease spreading dynamics in China and showing how the epidemic is taken under control in China.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)がパンデミックとなり、数百万人が感染し、数万人が死亡した。 新型コロナウイルス(covid-19)のダイナミクスをより深く理解するために、世界的なcovid-19のダイナミクスを識別する包括的なcovid-19追跡および可視化プラットフォームを提示する。 4つの重要なコンポーネントが実装されている。 1) 新型コロナウイルスの感染が確認された症例の可視化マップを提示すること,及び全世界の計数 2) 新型コロナウイルスの世界的な傾向を多粒度で示すこと。 3) 死亡率及び累積治療率の確認例を含む多視点比較を提供する。 4)中国における流行の動態を多面的に把握し,中国における感染状況の把握を図っている。

関連論文リスト

• Population Age Group Sensitivity for COVID-19 Infections with Deep Learning [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、世界中の政府や医療システムにとって前例のない課題を生み出している。 この研究は、米国の郡レベルでの新型コロナウイルス感染率において最も影響力のある年齢層を特定することを目的としている。
  論文  参考訳（メタデータ） (2023-07-03T04:56:55Z)
• Understanding the Impact of the COVID-19 Pandemic on Transportation-related Behaviors with Human Mobility Data [36.99572681309649]
  中国本土での新型コロナウイルスの感染拡大は、最近このウイルスとの戦いの成功例と見なされている。 私たちは、Baidu Mapsから集めた膨大な量の人的移動データを使って、パンデミックの最中の人々の詳細な反応を調べています。
  論文  参考訳（メタデータ） (2022-02-16T10:32:39Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Artificial Intelligence (AI) and Big Data for Coronavirus (COVID-19) Pandemic: A Survey on the State-of-the-Arts [10.741018907229927]
  2019年12月に中国・湖北省で初めて感染した新型コロナウイルス(COVID-19)が発見された。 新型コロナウイルス(COVID-19)のパンデミックは世界の214か国に広がり、私たちの日常生活のあらゆる側面に大きな影響を与えている。 近年の人工知能(AI)の進歩と、さまざまな分野におけるビッグデータの応用に触発され、新型コロナウイルスの感染拡大に対応することの重要性を強調した。
  論文  参考訳（メタデータ） (2021-07-17T13:12:30Z)
• Rapid COVID-19 Risk Screening by Eye-region Manifestations [64.6260390977642]
  新型コロナウイルス(COVID-19)の患者には、臨床的な証拠として、より多くの眼症状が報告されている。 そこで本研究では,共通CCDおよびCMOSカメラで撮像された眼領域画像の高速スクリーニング手法を提案する。 我々の新型コロナウイルスの急激な事前スクリーニングモデルは、コストが低く、完全自己パフォーマンスで、非侵襲的で、重要なリアルタイム性を持つため、継続的な健康監視を可能にします。
  論文  参考訳（メタデータ） (2021-06-12T01:56:10Z)
• COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
  我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
  論文  参考訳（メタデータ） (2021-05-04T04:44:41Z)
• COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
  2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。 多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。 本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
  論文  参考訳（メタデータ） (2020-08-22T10:40:17Z)
• 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)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。