論文の概要: Pay Attention to the cough: Early Diagnosis of COVID-19 using Interpretable Symptoms Embeddings with Cough Sound Signal Processing

• arxiv url: http://arxiv.org/abs/2010.02417v2
• Date: Mon, 12 Oct 2020 01:41:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 08:07:44.425484
• Title: Pay Attention to the cough: Early Diagnosis of COVID-19 using Interpretable Symptoms Embeddings with Cough Sound Signal Processing
• Title（参考訳）: cough sound signal processingを用いた解釈可能な症状埋め込みによるcovid-19の早期診断
• Authors: Ankit Pal, Malaikannan Sankarasubbu
• Abstract要約: 新型コロナウイルス(SARS-CoV-2によるコロナウイルスのパンデミック)は、人類にとって恐ろしく壊滅的な大惨事を引き起こしている。 新型コロナウイルスの現在の診断は、RT-PCR(Reverse-Transcription Polymer Chain Reaction)テストによって行われる。 音声の特徴と症状メタデータに基づいて、解釈可能で新型コロナウイルスの診断AIフレームワークを開発、開発する。
• 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: COVID-19 (coronavirus disease 2019) pandemic caused by SARS-CoV-2 has led to a treacherous and devastating catastrophe for humanity. At the time of writing, no specific antivirus drugs or vaccines are recommended to control infection transmission and spread. The current diagnosis of COVID-19 is done by Reverse-Transcription Polymer Chain Reaction (RT-PCR) testing. However, this method is expensive, time-consuming, and not easily available in straitened regions. An interpretable and COVID-19 diagnosis AI framework is devised and developed based on the cough sounds features and symptoms metadata to overcome these limitations. The proposed framework's performance was evaluated using a medical dataset containing Symptoms and Demographic data of 30000 audio segments, 328 cough sounds from 150 patients with four cough classes ( COVID-19, Asthma, Bronchitis, and Healthy). Experiments' results show that the model captures the better and robust feature embedding to distinguish between COVID-19 patient coughs and several types of non-COVID-19 coughs with higher specificity and accuracy of 95.04 $\pm$ 0.18% and 96.83$\pm$ 0.18% respectively, all the while maintaining interpretability.
• Abstract（参考訳）: sars-cov-2によるcovid-19(coonavirus disease 2019)のパンデミックは、人類にとって悲惨で壊滅的な大惨事につながった。 執筆時点では、感染の伝達と拡散を制御するために特定の抗ウイルス薬やワクチンは推奨されていない。 現在のcovid-19の診断はrt-pcr(reverse-transcription polymer chain reaction)によって行われる。 しかし、この方法は高価で時間がかかり、海峡地帯では容易に利用できない。 これらの制限を克服するために,cough soundの特徴と症状メタデータに基づいて,解釈可能かつcovid-19診断aiフレームワークを考案し,開発する。 提案フレームワークの性能は,30000音声区間の症状と人口統計データ,150名(covid-19,気管支喘息,気管支炎,健康)から得られた328cough音を含む医療データセットを用いて評価した。 実験の結果、このモデルがより良くロバストな特徴の埋め込みを捉えており、covid-19患者は、より特異性と正確性が高く、それぞれ95.04$\pm$ 0.18%と96.83$\pm$ 0.18%と、解釈性を維持しながら、いくつかのタイプの非共用性cooughとを区別できる。

関連論文リスト

• A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
  臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。 提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
  論文  参考訳（メタデータ） (2021-11-10T19:39:26Z)
• Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
  モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。 最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
  論文  参考訳（メタデータ） (2021-08-07T23:05:18Z)
• Dual-Attention Residual Network for Automatic Diagnosis of COVID-19 [6.941255691176647]
  我々は,他の一般的な肺炎患者や正常者から,CT画像を用いてCOVID-19を自動同定する新たな残留ネットワークを提案する。 この方法では、他の2つのクラスと94.7%の精度、93.73%の感度、98.28%の特異性、95.26%のF1スコア、および受信機動作特性曲線(AUC)の0.99の領域を区別することができる。
  論文  参考訳（メタデータ） (2021-05-14T11:59:47Z)
• 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)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• 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)
• Cough Against COVID: Evidence of COVID-19 Signature in Cough Sounds [13.347620074700952]
  新型コロナウイルスの検査能力は、十分な物資、訓練された人員、サンプル処理装置が不足しているため、世界中で問題となっている。 我々は、私たちのAIモデルによって分析された携帯電話上で収集されたソリシタンカフの音が、統計的に新型コロナウイルスのステータスを示す重要なシグナルを持っていることを実証した。 医療システムの検査能力は, 5%の病状率で43%向上し, 追加供給, 訓練要員, 物理的なインフラを必要とせずに向上できる。
  論文  参考訳（メタデータ） (2020-09-17T14:59:14Z)
• 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)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
  新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。 感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。 本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
  論文  参考訳（メタデータ） (2020-04-15T12:30:40Z)
• AI4COVID-19: AI Enabled Preliminary Diagnosis for COVID-19 from Cough Samples via an App [2.952763324646348]
  新型コロナウイルス(COVID-19)のパンデミックとの戦いが続く中で、大規模な検査ができないことは、人類のアキールのかかととなった。 我々は、スマートフォンアプリを介してデプロイ可能な新型コロナウイルス感染症スクリーニングソリューションを提案し、開発し、テストする。 AI4COVID-19と名付けられたこのアプリは、クラウド上で動くAIエンジンに3、3秒間音を録音し、2分以内に結果を返す。
  論文  参考訳（メタデータ） (2020-04-02T21:39:34Z)

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。