Fugu-MT 論文翻訳(概要): Detecting Emerging Symptoms of COVID-19 using Context-based Twitter Embeddings

論文の概要: Detecting Emerging Symptoms of COVID-19 using Context-based Twitter Embeddings

arxiv url: http://arxiv.org/abs/2011.03983v1
Date: Sun, 8 Nov 2020 13:56:05 GMT
ステータス: 翻訳完了
システム内更新日: 2022-09-28 08:45:41.241601
Title: Detecting Emerging Symptoms of COVID-19 using Context-based Twitter Embeddings
Title（参考訳）: コンテキストに基づくtwitter埋め込みによるcovid-19の新たな症状の検出
Authors: Roshan Santosh, H. Andrew Schwartz, Johannes C. Eichstaedt, Lyle H. Ungar, Sharath C. Guntuku
Abstract要約: 新型コロナウイルスの症状を反復的に検出するためのグラフベースのアプローチを提案する。私たちは、Twitterデータに適用されたアプローチが、CDC(Centers for Disease Control)によって報告される前に、症状の言及を著しく検出できることに気付きました。
参考スコア（独自算出の注目度）: 11.12401987552366
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present an iterative graph-based approach for the detection of symptoms of COVID-19, the pathology of which seems to be evolving. More generally, the method can be applied to finding context-specific words and texts (e.g. symptom mentions) in large imbalanced corpora (e.g. all tweets mentioning #COVID-19). Given the novelty of COVID-19, we also test if the proposed approach generalizes to the problem of detecting Adverse Drug Reaction (ADR). We find that the approach applied to Twitter data can detect symptom mentions substantially before being reported by the Centers for Disease Control (CDC).
Abstract（参考訳）: 本稿では,新型コロナウイルス(covid-19)の症状を検出するための反復的グラフベースアプローチを提案する。より一般的に、この方法は、大きな不均衡なコーパス(例えば#COVID-19に言及するすべてのツイート)で文脈固有の単語やテキスト(例えば、症状の言及)を見つけるために適用することができる。新型コロナウイルスの新規性を考えると,提案手法が副作用薬物反応(ADR)の検出問題に一般化するかどうかも検証する。我々は,Twitterデータに適用されたアプローチが,CDC (Centers for Disease Control) が報告する前に,症状の言及を著しく検出できることを発見した。

関連論文リスト

Twitter-COMMs: Detecting Climate, COVID, and Military Multimodal Misinformation [83.2079454464572]
本稿では,DARPAセマンティック・フォレスティクス(SemaFor)プログラムにおける画像テキスト不整合検出へのアプローチについて述べる。 Twitter-COMMsは大規模マルチモーダルデータセットで、884万のツイートが気候変動、新型コロナウイルス、軍用車両のトピックに関連する。我々は、最先端のCLIPモデルに基づいて、自動生成されたランダムとハードのネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガネガ
論文参考訳（メタデータ） (2021-12-16T03:37:20Z)
CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
論文参考訳（メタデータ） (2021-11-16T15:03:42Z)
Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文参考訳（メタデータ） (2021-07-12T08:07:56Z)
Combining exogenous and endogenous signals with a semi-supervised co-attention network for early detection of COVID-19 fake tweets [14.771202995527315]
新型コロナウイルス(COVID-19)の間、誤報のあるツイートは早期に警告され、中立化され、被害を軽減する必要がある。偽ニュースを早期に検出する既存の方法のほとんどは、大きなラベル付きツイートに十分な伝搬情報を持っていると仮定している。我々は、ツイートに関連する内因性および内因性信号を活用する新しい早期検出モデルENDEMICを提案する。
論文参考訳（メタデータ） (2021-04-12T10:01:44Z)
How COVID-19 Is Changing Our Language : Detecting Semantic Shift in Twitter Word Embeddings [16.520392870150797]
研究は、健康危機によって引き起こされるソーシャルメディア言語の意味的変化を検出することを目指しています。新型コロナウイルス関連ビッグデータをTwitterから抽出し、流行後、異なる期間に別々の単語埋め込みモデルをトレーニングします。前後回転アライメントに基づく安定性測定により、グローバルセマンティックシフトの大きさを定量化します。
論文参考訳（メタデータ） (2021-02-15T20:29:00Z)
End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文参考訳（メタデータ） (2021-01-07T01:13:00Z)
Extracting COVID-19 Diagnoses and Symptoms From Clinical Text: A New Annotated Corpus and Neural Event Extraction Framework [14.226438210255676]
本研究は、COVID-19 Annotated Clinical Text (CACT) Corpusと呼ばれる新しい臨床コーパスを提示する。新型コロナウイルスの診断、検査、臨床プレゼンテーションを特徴付ける詳細な注釈付き1,472枚のノートで構成されている。本研究では,すべての注釈付き事象を共同抽出するイベント抽出モデルを提案する。二次的応用として、構造化された患者データを用いて新型コロナウイルス検査結果の予測を行い、自動的に症状情報を抽出した。
論文参考訳（メタデータ） (2020-12-02T05:25:02Z)
Audio, Speech, Language, & Signal Processing for COVID-19: A Comprehensive Overview [0.0]
新型コロナウイルス(COVID-19)のパンデミックは、2020年の世界的研究の焦点となっている。新型コロナウイルスの症状の大部分は、呼吸器系の機能に関連している。この研究は、音声やその他の人間が生成する音声信号の中で、新型コロナウイルスのマーカーを特定することに焦点を当てている。
論文参考訳（メタデータ） (2020-11-29T21:33:59Z)
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)
COVID-19: Strategies for Allocation of Test Kits [18.334339425815312]
テストキット割り当ての現在の戦略は、主にルールベースであり、a)新型コロナウイルスの症状、(b)旅行歴、または(c)確認された新型コロナウイルス患者との接触歴を持つ個人に焦点を当てている。地域社会の広がりを防ぎ、早期に新たな症例を検出することを目的とした、1日あたりの検査キットの別予算を割り当てることが重要である。これらのアプローチは、コミュニティの広がりを包含し、新しいケースを早期に検出するのに有用であると考えています。
論文参考訳（メタデータ） (2020-04-03T19:02:59Z)
COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
論文参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。