論文の概要: An early prediction of covid-19 associated hospitalization surge using deep learning approach

• arxiv url: http://arxiv.org/abs/2009.08093v2
• Date: Thu, 25 Nov 2021 13:26:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 08:24:12.214007
• Title: An early prediction of covid-19 associated hospitalization surge using deep learning approach
• Title（参考訳）: 深層学習を用いたCovid-19関連入院サージの早期予測
• Authors: Yuqi Meng, Qiancheng Sun, Suning Hong, Ying Zhao, Zhixiang Li
• Abstract要約: 本研究は,4つの繰り返しニューラルネットワークを用いて,次の週の入院率の変化を推定することを提案する。 その結果, 注意を伴うシーケンス・ツー・シークエンス・モデルの精度は0.938, AUCは0.850であった。
• 参考スコア（独自算出の注目度）: 3.0092635615052385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The global pandemic caused by COVID-19 affects our lives in all aspects. As of September 11, more than 28 million people have tested positive for COVID-19 infection, and more than 911,000 people have lost their lives in this virus battle. Some patients can not receive appropriate medical treatment due the limits of hospitalization volume and shortage of ICU beds. An estimated future hospitalization is critical so that medical resources can be allocated as needed. In this study, we propose to use 4 recurrent neural networks to infer hospitalization change for the following week compared with the current week. Results show that sequence to sequence model with attention achieves a high accuracy of 0.938 and AUC of 0.850 in the hospitalization prediction. Our work has the potential to predict the hospitalization need and send a warning to medical providers and other stakeholders when a re-surge initializes.
• Abstract（参考訳）: 新型コロナウイルスによる世界的なパンデミックは、あらゆる面で私たちの生活に影響を与える。 9月11日現在、新型コロナウイルスの感染者は2800万人以上で、この戦闘で91万1000人以上が命を落とした。 入院量制限とicuベッド不足のため,適切な治療を受けられない患者もいた。 医療資源を必要に応じて割り当てるには、将来の入院が不可欠である。 そこで本研究では,次の週の入院変化を推定するために,再帰的ニューラルネットワークを4回使用することを提案する。 その結果, 注意を伴うシーケンス・ツー・シークエンスモデルの精度は0.938, AUCは0.850であった。 私たちの仕事には、入院の必要性を予測し、リサージ初期化時に医療提供者や他の利害関係者に警告を送る可能性を秘めています。

関連論文リスト

• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Hospital transfer risk prediction for COVID-19 patients from a medicalized hotel based on Diffusion GraphSAGE [7.021489981474361]
  台湾では、軽度または軽度症状のある新型コロナウイルス患者の隔離施設として医療ホテルが開設された。 これらのホテルで利用可能な医療が限られているため、臨床劣化のリスクがある患者を特定することが最重要である。 本研究は, 医用ホテルにおける進行病院転院リスク予測のためのグラフベース深層学習手法の開発と評価を目的とした。
  論文  参考訳（メタデータ） (2022-12-31T14:59:35Z)
• COVID-Net Clinical ICU: Enhanced Prediction of ICU Admission for COVID-19 Patients via Explainability and Trust Quantification [71.80459780697956]
  患者臨床データに基づくICU入院予測のためのニューラルネットワークであるCOVID-Net Clinical ICUを紹介する。 提案されたCOVID-Net Clinical ICUは、1,925人のCOVID-19患者からなるシロ・リバネ病院の臨床データセットを使用して構築された。 定量的説明可能性戦略を用いたシステムレベルの洞察発見を行い,異なる臨床特徴の意思決定効果について検討した。
  論文  参考訳（メタデータ） (2021-09-14T14:16:32Z)
• Severity and Mortality Prediction Models to Triage Indian COVID-19 Patients [0.0]
  インド第2波が緩和する中、新型コロナウイルス(COVID-19)は全国で約2900万人の患者に感染し、350万人以上の死者を出した。 そこで本研究では,インドにおける入院当日最大のコホートのうちの1つから,非侵襲的非侵襲的非侵襲的血液パラメータモニタリングに基づいて,臨床結果,重症度,死亡率を予測する2つの解釈可能な機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-02T23:15:04Z)
• Continual Deterioration Prediction for Hospitalized COVID-19 Patients [3.3581926090154113]
  病院滞在終了時の患者結果の日次予測を行うための時間的階層化手法を開発した。 予備実験では、連続劣化予測における0.98 AUROC、0.91 F1スコアおよび0.97AUPRを示す。
  論文  参考訳（メタデータ） (2021-01-19T12:03:56Z)
• COVID-19 Prognosis via Self-Supervised Representation Learning and Multi-Image Prediction [32.91440827855392]
  胸部X線に基づいて2種類の患者の劣化を予測するタスクを検討する。 新型コロナウイルス(covid-19)患者のデータが少ないため、既存のソリューションは、関連しない画像で教師付き事前トレーニングを利用する。 本論文では,前訓練段階における運動量コントラスト(MoCo)法に基づく自己監督学習を用いて,下流タスクに用いる一般的な画像表現を学習する。
  論文  参考訳（メタデータ） (2021-01-13T07:03:17Z)
• Individualized Prediction of COVID-19 Adverse outcomes with MLHO [9.197411456718708]
  我々は、反復的な特徴とアルゴリズムの選択を利用して健康状態を予測するエンドツーエンドの機械学習フレームワークを開発した。 入院前患者の健康状態と人口統計を表わす特徴として,約600点を用いた4つの有害な結果のモデル化を行った。 以上の結果から, 人口統計学的変数は, 新型コロナウイルス感染後の副作用の予測因子として重要であるが, 過去の臨床記録の組み入れは, 信頼性の高い予測モデルに欠かせないことが示唆された。
  論文  参考訳（メタデータ） (2020-08-10T02:44:52Z)
• 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)
• 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)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。