論文の概要: Virufy: Global Applicability of Crowdsourced and Clinical Datasets for AI Detection of COVID-19 from Cough

• arxiv url: http://arxiv.org/abs/2011.13320v4
• Date: Sat, 9 Jan 2021 05:23:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 12:43:13.677152
• Title: Virufy: Global Applicability of Crowdsourced and Clinical Datasets for AI Detection of COVID-19 from Cough
• Title（参考訳）: virufy:covid-19検出のためのクラウドソーシングおよび臨床データセットのグローバル適用可能性
• Authors: Gunvant Chaudhari, Xinyi Jiang, Ahmed Fakhry, Asriel Han, Jaclyn Xiao, Sabrina Shen, Amil Khanzada
• Abstract要約: 新型コロナウイルス(COVID-19)を検知する現在のアプローチは、必ずしも容易にアクセスできない高価なキットで直接検査する必要がある。 本研究は,スマートフォンに記録・取得したクラウドソース音声サンプルをAIベースの手法の開発に活用できることを実証する。 本手法は,ラテンアメリカからのクラウドソースオーディオサンプルと南アジアからの臨床サンプルに一般化可能であることを示す。
• 参考スコア（独自算出の注目度）: 2.047329787828792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid and affordable methods of testing for COVID-19 infections are essential to reduce infection rates and prevent medical facilities from becoming overwhelmed. Current approaches of detecting COVID-19 require in-person testing with expensive kits that are not always easily accessible. This study demonstrates that crowdsourced cough audio samples recorded and acquired on smartphones from around the world can be used to develop an AI-based method that accurately predicts COVID-19 infection with an ROC-AUC of 77.1% (75.2%-78.3%). Furthermore, we show that our method is able to generalize to crowdsourced audio samples from Latin America and clinical samples from South Asia, without further training using the specific samples from those regions. As more crowdsourced data is collected, further development can be implemented using various respiratory audio samples to create a cough analysis-based machine learning (ML) solution for COVID-19 detection that can likely generalize globally to all demographic groups in both clinical and non-clinical settings.
• Abstract（参考訳）: 新型コロナウイルス感染症の迅速かつ安価な検査方法は、感染率を下げ、医療施設が圧倒されるのを防ぐために不可欠である。 新型コロナウイルス(COVID-19)を検知する現在のアプローチは、必ずしも容易にアクセスできない高価なキットで直接検査する必要がある。 この研究は、世界中のスマートフォンで記録され、取得されたクラウドソースされた音声サンプルが、ROC-AUCの77.1%(75.2%-78.3%)で、新型コロナウイルスの感染を正確に予測するAIベースの方法の開発に利用できることを示した。 さらに,本手法は,ラテンアメリカからクラウドソースされたオーディオサンプルと南アジアからの臨床サンプルを,これらの地域から得られた特定のサンプルを用いてさらなるトレーニングをすることなく,一般化できることが示唆された。 より多くのクラウドソースされたデータが収集されるにつれて、さまざまな呼吸オーディオサンプルを使用してさらなる開発を実施することで、新型コロナウイルス(COVID-19)検出のための粗い分析ベースの機械学習(ML)ソリューションを作成することができる。

関連論文リスト

• Developing a multi-variate prediction model for the detection of COVID-19 from Crowd-sourced Respiratory Voice Data [0.0]
  この研究の新規性は、音声記録から新型コロナウイルス患者を識別するためのディープラーニングモデルの開発である。 私たちは、新型コロナウイルスのサウンドアプリを使った4352人の参加者からクラウドソースされた、853のオーディオサンプルからなるケンブリッジ大学のデータセットを使用しました。 音声データに基づいて,陽性症例を検出する深層学習分類モデルを開発した。
  論文  参考訳（メタデータ） (2022-09-08T11:46:37Z)
• 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)
• EIHW-MTG DiCOVA 2021 Challenge System Report [2.3544007354006706]
  本研究の目的は、うずまに埋め込まれた音響情報を分析することで、COVID-19患者を自動的に検出することである。 本研究は、新型コロナウイルスがこれらの信号の周波数量を変化させるかどうかを調べることを目的として、試料の分光図表現の分析に焦点をあてる。
  論文  参考訳（メタデータ） (2021-10-13T07:38:54Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• 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)
• 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)
• Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19 [1.9899603776429056]
  研究者は、臨床設定で記録された音声サンプルを使用して新型コロナウイルス感染状態を検出するモデルを提示しました。 そこで本研究では,クラウドソースデータを用いて,手作業によるデータ処理やクリーン化を行わないマルチブランチ深層学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-02T15:31:09Z)
• 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)
• 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)
• 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)

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。