論文の概要: Assessing Automated Machine Learning service to detect COVID-19 from
X-Ray and CT images: A Real-time Smartphone Application case study
- arxiv url: http://arxiv.org/abs/2010.02715v1
- Date: Sat, 3 Oct 2020 23:18:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 11:36:39.523153
- Title: Assessing Automated Machine Learning service to detect COVID-19 from
X-Ray and CT images: A Real-time Smartphone Application case study
- Title（参考訳）: x線およびct画像からcovid-19を検出するための自動機械学習サービスの評価 - スマートフォンのリアルタイム応用例
- Authors: Razib Mustafiz, Khaled Mohsin
- Abstract要約: SARS COV-2の最近の流行は、非介入的で持続可能なAIソリューションを研究するユニークな機会を与えてくれた。
この研究は、COVID-19のようなパンデミックな状況に対して、MLベースの診断決定支援システムに反応するのに適したものだ。
この研究の主な目的の1つは、AIを利用したスマートフォンによるリアルタイムアプリケーションの性能を開発・評価することであった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The recent outbreak of SARS COV-2 gave us a unique opportunity to study for a
non interventional and sustainable AI solution. Lung disease remains a major
healthcare challenge with high morbidity and mortality worldwide. The
predominant lung disease was lung cancer. Until recently, the world has
witnessed the global pandemic of COVID19, the Novel coronavirus outbreak. We
have experienced how viral infection of lung and heart claimed thousands of
lives worldwide. With the unprecedented advancement of Artificial Intelligence
in recent years, Machine learning can be used to easily detect and classify
medical imagery. It is much faster and most of the time more accurate than
human radiologists. Once implemented, it is more cost-effective and
time-saving. In our study, we evaluated the efficacy of Microsoft Cognitive
Service to detect and classify COVID19 induced pneumonia from other
Viral/Bacterial pneumonia based on X-Ray and CT images. We wanted to assess the
implication and accuracy of the Automated ML-based Rapid Application
Development (RAD) environment in the field of Medical Image diagnosis. This
study will better equip us to respond with an ML-based diagnostic Decision
Support System(DSS) for a Pandemic situation like COVID19. After optimization,
the trained network achieved 96.8% Average Precision which was implemented as a
Web Application for consumption. However, the same trained network did not
perform the same like Web Application when ported to Smartphone for Real-time
inference. Which was our main interest of study. The authors believe, there is
scope for further study on this issue. One of the main goal of this study was
to develop and evaluate the performance of AI-powered Smartphone-based
Real-time Application. Facilitating primary diagnostic services in less
equipped and understaffed rural healthcare centers of the world with unreliable
internet service.
- Abstract（参考訳）: SARS COV-2の最近の流行は、非介入的で持続可能なAIソリューションを研究するユニークな機会となった。
肺疾患は、世界中で高い死亡率と死亡率を持つ主要な医療課題である。
主な肺疾患は肺癌であった。
最近まで、世界は新型コロナウイルス(COVID-19)の世界的な流行を目撃してきた。
我々は、肺と心臓のウイルス感染が世界中で数千人の命を奪った経験がある。
近年の人工知能の先例のない進歩により、機械学習は医療画像の検出と分類に利用することができる。
これはヒトの放射線学者よりもはるかに高速で精度が高い。
一度実装すると、コスト効率が上がり、時間を節約できます。
X線およびCT画像による他のウイルス/細菌性肺炎からのCOVID19誘発肺炎の検出と分類におけるMicrosoft Cognitive Serviceの有効性について検討した。
我々は,医療画像診断の分野で,自動MLベースのRapid Application Development(RAD)環境の意義と正確性を評価したかった。
この研究は、COVID-19のようなパンデミックな状況に対して、MLベースの診断決定支援システム(DSS)に反応するのに適したものである。
最適化後、トレーニングされたネットワークは平均96.8%の精度を達成した。
しかし、リアルタイム推論のためにスマートフォンに移植された場合、同じ訓練を受けたネットワークはWebアプリケーションのように動作しなかった。
それが我々の研究の主な関心だった。
著者らはこの問題についてさらなる研究の余地があると考えている。
本研究の主な目的の1つは,AIを用いたスマートフォンを用いたリアルタイムアプリケーションの性能評価である。
信頼性の低い地域医療センターで、信頼性の低いインターネットサービスで一次診断サービスを提供する。
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) - COVID-19 Detection Based on Blood Test Parameters using Various Artificial Intelligence Methods [1.2408125305560274]
2019年には、新型コロナウイルスによる新型コロナウイルス感染症SARS-CoV-2(SARS-CoV-2)という新たな課題に直面した。
本研究は、自己分類分類器を用いて、さまざまなAI手法を用いて、新型コロナウイルス患者と他者とを区別することを目的とした。
論文 参考訳（メタデータ） (2024-04-02T22:49:25Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF
Mass Spectrometry [0.9250974571641537]
重症急性呼吸器症候群2型(SARS-CoV-2)は世界的なパンデミックを引き起こし、世界経済に大きな影響を与えた。
近年では、現在の金標準リアルタイムポリメラーゼ連鎖反応(RT-PCR)結果と高い一致を示す複数の代替プラットフォームが公表されている。
これらの新しい方法は鼻咽頭(NP)スワブを除去し、複雑な試薬の必要性を排除し、RT-PCRテスト試薬の供給の負担を軽減する。
本研究では,人工知能を用いたAIテスト手法を設計し,実験結果の信頼性について検討した。
論文 参考訳（メタデータ） (2021-09-28T23:29:31Z) - 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) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - In-Line Image Transformations for Imbalanced, Multiclass Computer Vision
Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。
convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。
本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文 参考訳（メタデータ） (2021-04-06T02:01:43Z) - Automated Detection and Forecasting of COVID-19 using Deep Learning
Techniques: A Review [10.153806948106684]
コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。
高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。
ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
論文 参考訳（メタデータ） (2020-07-16T16:04:17Z) - 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) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z) - 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。