論文の概要: Detection of COVID-19 Using Heart Rate and Blood Pressure: Lessons Learned from Patients with ARDS

• arxiv url: http://arxiv.org/abs/2011.10470v1
• Date: Thu, 12 Nov 2020 19:56:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 07:52:59.386945
• Title: Detection of COVID-19 Using Heart Rate and Blood Pressure: Lessons Learned from Patients with ARDS
• Title（参考訳）: 心拍数と血圧によるCOVID-19の検出:ARDS患者から学んだ教訓
• Authors: Milad Asgari Mehrabadi, Seyed Amir Hossein Aqajari, Iman Azimi, Charles A Downs, Nikil Dutt and Amir M Rahmani
• Abstract要約: 米国の感染者数は世界最高(790万人)。 カリフォルニア大学ヘルスセンター5校に入院した70人のARDS患者の血圧と心拍数の長期記録を分析した。 データの最初の8日だけで、私たちのディープラーニングモデルは78.79%の精度で、COVID-19に感染したARDS患者の重要な徴候を分類することができます。
• 参考スコア（独自算出の注目度）: 2.257929280955475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The world has been affected by COVID-19 coronavirus. At the time of this study, the number of infected people in the United States is the highest globally (7.9 million infections). Within the infected population, patients diagnosed with acute respiratory distress syndrome (ARDS) are in more life-threatening circumstances, resulting in severe respiratory system failure. Various studies have investigated the infections to COVID-19 and ARDS by monitoring laboratory metrics and symptoms. Unfortunately, these methods are merely limited to clinical settings, and symptom-based methods are shown to be ineffective. In contrast, vital signs (e.g., heart rate) have been utilized to early-detect different respiratory diseases in ubiquitous health monitoring. We posit that such biomarkers are informative in identifying ARDS patients infected with COVID-19. In this study, we investigate the behavior of COVID-19 on ARDS patients by utilizing simple vital signs. We analyze the long-term daily logs of blood pressure and heart rate associated with 70 ARDS patients admitted to five University of California academic health centers (containing 42506 samples for each vital sign) to distinguish subjects with COVID-19 positive and negative test results. In addition to the statistical analysis, we develop a deep neural network model to extract features from the longitudinal data. Using only the first eight days of the data, our deep learning model is able to achieve 78.79% accuracy to classify the vital signs of ARDS patients infected with COVID-19 versus other ARDS diagnosed patients.
• Abstract（参考訳）: 世界は新型コロナウイルスの影響を受けている。 本研究の時点で、米国における感染者数は世界でも最も多い(790万人)。 感染集団内では、急性呼吸窮迫症候群(ards)と診断された患者は、より生命を脅かす状況にあり、深刻な呼吸系障害を引き起こす。 さまざまな研究が、検査項目や症状を監視して、covid-19やardsへの感染を調査している。 残念ながら、これらの方法は単に臨床設定に限定されており、症状に基づく方法は効果がないことが示されている。 対照的に、バイタルサイン(例えば心拍数)は、ユビキタス健康モニタリングにおいて早期に検出される様々な呼吸器疾患に利用されてきた。 このようなバイオマーカーは、COVID-19に感染したARDS患者を識別する上で有益なものであると仮定する。 本研究では,簡単なバイタルサインを用いて,ARDS患者に対するCOVID-19の挙動を検討した。 カリフォルニア大学ヘルスセンターに入院した70人のARDS患者(各バイタルサインのサンプル42506例を含む)の血圧と心拍数の長期記録を分析し、新型コロナウイルス陽性および陰性検査結果の鑑別を行った。 統計的解析に加えて,長手データから特徴を抽出するディープニューラルネットワークモデルを開発した。 データの最初の8日間で、私たちのディープラーニングモデルは78.79%の精度で、新型コロナウイルスに感染したARDS患者と診断された他のARDS患者の重要な兆候を分類することができます。

関連論文リスト

• Machine Learning Sensors for Diagnosis of COVID-19 Disease Using Routine Blood Values for Internet of Things Application [0.0]
  ヒストグラムに基づくGradient Boosting (HGB) は、100%の精度で、学習時間は6.39秒であった。 我々は、これらの11の特徴とその組み合わせを、病気の診断においてMLセンサーの重要なバイオマーカーとして使用し、ArduinoおよびクラウドIoTサービス上でエッジコンピューティングをサポートすることを提案する。
  論文  参考訳（メタデータ） (2022-09-08T01:35:45Z)
• Comparative Analysis of State-of-the-Art Deep Learning Models for Detecting COVID-19 Lung Infection from Chest X-Ray Images [3.829821362301428]
  胸部X線画像を用いた新型コロナウイルス感染を自動的に検出するための最新の最先端のDeep Convolutional Neural Networks(CNN)の適用性について検討した。 トレーニングしたモデルMobileNet,EfficentNet,InceptionV3はそれぞれ95%,95%,94%の分類平均精度を達成した。
  論文  参考訳（メタデータ） (2022-07-01T02:23:23Z)
• 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)
• Development and Validation of a Deep Learning Model for Prediction of Severe Outcomes in Suspected COVID-19 Infection [9.524156465126758]
  救急外来(ed)に初診した患者の予測結果を伴うトリエイジングは、患者の予後を改善する上で重要である。 我々は、患者の結果を予測するために深い機能融合モデルを訓練した。 モデルアウトプットは、最も非感受性な酸素療法が要求される患者の結果であった。 新型コロナウイルス重篤な結果(CO-RISKスコア)の予測リスクスコアは、モデルアウトプットから導出され、テストデータセットで評価された。
  論文  参考訳（メタデータ） (2021-03-21T00:03:27Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
  コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。 一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
  論文  参考訳（メタデータ） (2020-09-04T00:50:27Z)
• 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)
• COVID-19 diagnosis by routine blood tests using machine learning [0.0]
  新型コロナウイルスの診断のための機械学習予測モデルを構築した。 発熱、うっ血、筋痛、その他の症状のある患者は、最初の定期的な血液検査を受けられるようになった。
  論文  参考訳（メタデータ） (2020-06-04T14:57:17Z)
• 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。