Fugu-MT 論文翻訳(概要): Recent Advances in Computer Audition for Diagnosing COVID-19: An Overview

論文の概要: Recent Advances in Computer Audition for Diagnosing COVID-19: An Overview

arxiv url: http://arxiv.org/abs/2012.04650v1
Date: Tue, 8 Dec 2020 21:39:01 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 20:42:18.365518
Title: Recent Advances in Computer Audition for Diagnosing COVID-19: An Overview
Title（参考訳）: 新型コロナウイルスの診断におけるコンピュータ・オーディションの最近の進歩
Authors: Kun Qian, Bjorn W. Schuller, Yoshiharu Yamamoto
Abstract要約: コンピュータオーディション(CA)は、発話障害のヘルスケア分野で効率的であることが実証されています。新型コロナウイルスのパンデミックと戦うためのデータ駆動技術では、CAは過小評価されている。
参考スコア（独自算出の注目度）: 5.36519190935659
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Computer audition (CA) has been demonstrated to be efficient in healthcare domains for speech-affecting disorders (e.g., autism spectrum, depression, or Parkinson's disease) and body sound-affecting abnormalities (e. g., abnormal bowel sounds, heart murmurs, or snore sounds). Nevertheless, CA has been underestimated in the considered data-driven technologies for fighting the COVID-19 pandemic caused by the SARS-CoV-2 coronavirus. In this light, summarise the most recent advances in CA for COVID-19 speech and/or sound analysis. While the milestones achieved are encouraging, there are yet not any solid conclusions that can be made. This comes mostly, as data is still sparse, often not sufficiently validated and lacking in systematic comparison with related diseases that affect the respiratory system. In particular, CA-based methods cannot be a standalone screening tool for SARS-CoV-2. We hope this brief overview can provide a good guidance and attract more attention from a broader artificial intelligence community.
Abstract（参考訳）: コンピュータ・オーディション(CA)は、音声障害(自閉症スペクトラム、うつ病、パーキンソン病など)や体音障害(異常腸音、心室、スノア音など)の医療分野で効果的であることが示されている。それにもかかわらず、SARS-CoV-2による新型コロナウイルスのパンデミックと戦うためのデータ駆動技術では、CAは過小評価されている。この光の下では、covid-19スピーチおよび/または音声分析のためのcaの最新の進歩を要約する。達成されたマイルストーンは励まされるが、まだ確固たる結論は得られていない。これは、データがまだ少ないため、しばしば十分な検証ができず、呼吸系に影響を及ぼす関連疾患と体系的に比較できないためである。特にCAベースの方法はSARS-CoV-2のスタンドアロンスクリーニングツールにはならない。この簡単な概要が優れたガイダンスを提供し、より広い人工知能コミュニティからより多くの注目を集めることを願っています。

関連論文リスト

COVYT: Introducing the Coronavirus YouTube and TikTok speech dataset featuring the same speakers with and without infection [4.894353840908006]
私たちは、65人の話者から8時間以上のスピーチを含む公開ソースから収集された新しい新型コロナウイルスデータセットであるCOVYTデータセットを紹介します。他の既存のCOVID-19サウンドデータセットと比較すると、COVYTデータセットのユニークな特徴は、全65話者から陽性と陰性の両方のサンプルを含むことである。
論文参考訳（メタデータ） (2022-06-20T16:26:51Z)
Fruit-CoV: An Efficient Vision-based Framework for Speedy Detection and Diagnosis of SARS-CoV-2 Infections Through Recorded Cough Sounds [0.38321248253111767]
SARS-CoV-2は世界中に広がり、2020年3月以降、世界的なパンデミックの流行に関与している。自宅でSARS-CoV-2のセルフテストサービスを持つことは不可欠である。本研究では,2段階の視覚フレームワークであるFruit-CoVを紹介する。
論文参考訳（メタデータ） (2021-09-06T07:56:02Z)
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)
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)
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)
IVACS: Intelligent Voice Assistant for Coronavirus Disease (COVID-19) Self-Assessment [0.9449650062296824]
新型コロナウイルス自己診断(IVACS)のためのインテリジェント音声ベースアシスタントを提案する。このインタラクティブアシスタントは、CDC(Centers for Disease Control and Prevention)とWHO(World Health Organization)のガイドラインを用いて、新型コロナウイルス関連の症状を診断するために構築されている。
論文参考訳（メタデータ） (2020-09-06T08:48:08Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data [20.318414518283618]
新型コロナウイルスの診断を支援するため,大規模クラウドソースで収集した呼吸音のデータセット上でのデータ解析を行った。以上の結果から、単純なバイナリ機械学習分類器さえも、正常な分類と新型コロナウイルスの音を正しく分類できることが示唆された。この研究は、自動的な呼吸パターンが事前スクリーニング信号としてどのように使用されるか、さらに調査するための扉を開く。
論文参考訳（メタデータ） (2020-06-10T16:13:06Z)
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)
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)
COVID-19 and Computer Audition: An Overview on What Speech & Sound Analysis Could Contribute in the SARS-CoV-2 Corona Crisis [10.436988903556108]
新型コロナウイルス(COVID-19)の感染者は3カ月以上前から1万人を超えており、SARS-CoV-2として知られている。本稿では,コンピュータ・オーディション(CA)の可能性,すなわち人工知能による音声・音声分析の利用について概説する。 CAは(前)診断および監視ツールの実装の準備が整っているという結論に達し、より一般的には、リッチで重要な、そしてこれまでは、新型コロナウイルスとの戦いにおいて、未解決の可能性を秘めている。
論文参考訳（メタデータ） (2020-03-24T21:17:44Z)

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。