論文の概要: Intelligent Risk Alarm for Asthma Patients using Artificial Neural
Networks
- arxiv url: http://arxiv.org/abs/2009.12175v1
- Date: Thu, 24 Sep 2020 17:48:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 02:26:35.772650
- Title: Intelligent Risk Alarm for Asthma Patients using Artificial Neural
Networks
- Title（参考訳）: 人工ニューラルネットワークを用いた喘息患者のインテリジェントリスクアラーム
- Authors: Rawabi A. Aroud, Anas H. Blasi, Mohammed A. Alsuwaiket
- Abstract要約: 喘息患者に対する化学物質の影響を提示し議論する。
MQ5と呼ばれるセンサーシステムは、大気中の煙と窒素の含有量を調べるために使用される。
MQ5は、患者の場所にある煙や窒素の量をチェックする腕時計に挿入される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Asthma is a chronic disease of the airways of the lungs. It results in
inflammation and narrowing of the respiratory passages, which prevents air flow
into the airways and leads to frequent bouts of shortness of breath with
wheezing accompanied by coughing and phlegm after exposure to inhalation of
substances that provoke allergic reactions or irritation of the respiratory
system. Data mining in healthcare system is very important in diagnosing and
understanding data, so data mining aims to solve basic problems in diagnosing
diseases due to the complexity of diagnosing asthma. Predicting chemicals in
the atmosphere is very important and one of the most difficult problems since
the last century. In this paper, the impact of chemicals on asthma patient will
be presented and discussed. Sensor system called MQ5 will be used to examine
the smoke and nitrogen content in the atmosphere. MQ5 will be inserted in a
wristwatch that checks the smoke and nitrogen content in the patients place,
the system shall issue a warning alarm if this gas affects the person with
asthma. It will be based on the Artificial Neural Networks (ANN) algorithm that
has been built using data that containing a set of chemicals such as carbon
monoxide, NMHC (GT) acid gas, C6H6 (GT) Gasoline, NOx (GT) Nitrogen Oxide, and
NO2 (GT) Nitrogen Dioxide. The temperature and humidity will be also used as
they can negatively affect asthma patient. Finally, the rating model was
evaluated and achieved 99.58% classification accuracy.
- Abstract（参考訳）: 喘息は肺気道の慢性疾患である。
気道内への空気の流れを防止し、気道内のアレルギー反応や呼吸系の刺激を引き起こす物質の吸入に曝された後、あくびや足痛を伴う口臭を伴う息切れが頻発する、気道の炎症と狭義化を引き起こす。
医療システムにおけるデータマイニングは、データの診断と理解において非常に重要であるため、データマイニングは、喘息の診断の複雑さによる疾患の診断における基本的な問題を解決することを目的としている。
大気中の化学物質の予測は非常に重要であり、前世紀以来最も難しい問題の1つである。
本稿では,喘息患者に対する化学物質の影響について紹介し,考察する。
MQ5と呼ばれるセンサーシステムは、大気中の煙と窒素の量を調べるために使用される。
mq5は、患者の場所にある煙と窒素の量をチェックする腕時計に挿入され、このガスが喘息患者に影響を与えている場合は警告を発する。
これは一酸化炭素、NMHC(GT)酸ガス、C6H6(GT)ガソリン、NOx(GT)窒素酸化物、NO2(GT)二酸化窒素などの一連の化学物質を含むデータを用いて構築された人工ニューラルネットワーク(ANN)アルゴリズムに基づいている。
温度と湿度は喘息患者に悪影響を及ぼす可能性があるため使われる。
最後に評価モデルを評価し,99.58%の分類精度を得た。
関連論文リスト
- Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。
健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。
ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
論文 参考訳（メタデータ） (2024-09-05T02:14:31Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and
Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the
Human Connectome Development Cohort [55.41644538483948]
本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。
その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
論文 参考訳（メタデータ） (2023-07-03T18:06:36Z) - IoT-Based Air Quality Monitoring System with Machine Learning for
Accurate and Real-time Data Analysis [0.0]
本研究では, どこでも使用可能な携帯型空気質検知装置の開発を提案する。
収集されたデータは、クラウドベースのWebアプリThinkSpeakを使って保存および視覚化される。
論文 参考訳（メタデータ） (2023-07-02T14:18:04Z) - Sensor data-driven analysis for identification of causal relationships
between exposure to air pollution and respiratory rate in asthmatics [0.0]
大気汚染は世界の健康にとって最も高いリスク要因の1つである。
喘息性青年期におけるPM2.5曝露と呼吸速度の個人的曝露応答関係は短期的効果を示すことが示されている。
論文 参考訳（メタデータ） (2023-01-16T08:11:11Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Minute ventilation measurement using Plethysmographic Imaging and
lighting parameters [8.739176372427842]
睡眠時無呼吸などの呼吸障害は、肺の酸素と二酸化炭素を含有/交換する能力が不足し、体がホメオスタシスの安定した状態にあることを保証するために、多数の個人に影響を及ぼす致命的な疾患である。
微小換気などの呼吸測定は、心拍数や心拍変動などの他の生理的測定と相関して、健康状態の遠隔監視や呼吸関連疾患の症状の検出に用いられる。
論文 参考訳（メタデータ） (2022-08-29T00:42:48Z) - Using Machine Learning to Predict Air Quality Index in New Delhi [0.0]
各種汚染物質のレベルと大気質指標の予測には,SVRモデルを用いる。
このモデルは、二酸化炭素、一酸化炭素、二酸化窒素、粒子状物質2.5、地上レベルのオゾンなどの様々な汚染物質を、精度93.4%で予測する。
論文 参考訳（メタデータ） (2021-12-10T00:20:05Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - A Multi-Modal Respiratory Disease Exacerbation Prediction Technique
Based on a Spatio-Temporal Machine Learning Architecture [0.0]
慢性閉塞性肺疾患や喘息などの慢性呼吸器疾患は深刻な健康危機である。
呼吸器症状の進行を評価する現在の方法は、主観的で不正確な、または複雑で面倒です。
本研究は、新しい時間的機械学習アーキテクチャに基づいて、PDなどの呼吸器疾患の悪化リスクを予測するためのマルチモーダルソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T05:24:53Z) - Identification of deep breath while moving forward based on multiple
body regions and graph signal analysis [45.62293065676075]
本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。
検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
論文 参考訳（メタデータ） (2020-10-20T08:26:50Z)
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。