Fugu-MT 論文翻訳(概要): Machine learning applications for COVID-19: A state-of-the-art review

論文の概要: Machine learning applications for COVID-19: A state-of-the-art review

arxiv url: http://arxiv.org/abs/2101.07824v1
Date: Tue, 19 Jan 2021 19:12:45 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:15:33.957783
Title: Machine learning applications for COVID-19: A state-of-the-art review
Title（参考訳）: 新型コロナウイルスの機械学習応用:最先端のレビュー
Authors: Firuz Kamalov, Aswani Cherukuri, Hana Sulieman, Fadi Thabtah, Akbar Hossain
Abstract要約: 新型コロナウイルス(COVID-19)パンデミックは、機械学習コミュニティに新たなソリューションを生み出した。この記事では、COVID-19に適用される機械学習研究の最新の進歩を紹介します。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The COVID-19 pandemic has galvanized the machine learning community to create new solutions that can help in the fight against the virus. The body of literature related to applications of machine learning and artificial intelligence to COVID-19 is constantly growing. The goal of this article is to present the latest advances in machine learning research applied to COVID-19. We cover four major areas of research: forecasting, medical diagnostics, drug development, and contact tracing. We review and analyze the most successful state of the art studies. In contrast to other existing surveys on the subject, our article presents a high level overview of the current research that is sufficiently detailed to provide an informed insight.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックにより、機械学習コミュニティは、新型コロナウイルスとの戦いに役立つ新しいソリューションを創りだした。機械学習と人工知能の新型コロナウイルスへの応用に関する文学の分野は、常に成長している。本稿の目標は、新型コロナウイルス(covid-19)に適用される機械学習研究の最新の進歩を紹介することである。我々は、予測、診断、薬物開発、接触追跡の4つの研究分野をカバーしている。我々は,最も成功した美術研究の状況をレビューし,分析する。本論文は,本研究の他の既存調査とは対照的に,本研究の概観を概観し,インフォメーション・インフォメーションを提供するのに十分な詳細を述べる。

関連論文リスト

Where Was COVID-19 First Discovered? Designing a Question-Answering System for Pandemic Situations [0.0]
新型コロナウイルス(COVID-19)のパンデミックには、新型コロナウイルス関連の質問に対する簡潔で信頼性の高い情報の特定が困難になる大規模な「インフォデミック(infodemic)」が伴っている。本稿では,パンデミックの状況における情報過負荷や誤報を克服するために,近代技術に基づく質問応答システムを設計することに関心がある。実装はCORD-19データセットをベースとして,バイオメディカル専門家がラベル付けしたCOVID-19質問のサンプルに基づいて,回答の質を評価することで,アーティファクトの有用性を実証する。
論文参考訳（メタデータ） (2022-04-19T10:15:51Z)
Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文参考訳（メタデータ） (2022-02-08T09:42:08Z)
The Prominence of Artificial Intelligence in COVID-19 [0.0]
2019年12月、新型コロナウイルス(COVID-19)と呼ばれる新しいウイルスが、これまでに膨大な数の因果関係を引き起こした。本研究は, 早期, 安価な診断方法として, 医師や研究者を支援する方法を探るものである。ほとんどの途上国では、従来の方法でテストを実行するのが難しいが、機械学習やディープラーニングでは重要な方法が採用されている。
論文参考訳（メタデータ） (2021-11-18T06:11:45Z)
Threat of Adversarial Attacks on Deep Learning in Computer Vision: Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。この領域では、非専門家に技術的な用語の定義を提供する。
論文参考訳（メタデータ） (2021-08-01T08:54:47Z)
A Survey of Machine Learning Techniques for Detecting and Diagnosing COVID-19 from Imaging [1.9499120576896225]
逆転写-ポリメラーゼ連鎖反応(RT-PCR)の高可用性と高コストのため、医療画像からCOVID-19を検出するための機械学習技術が提案されている。本研究の目的は、異なる機械学習技術を用いて胸部X線およびCTスキャン画像から新型コロナウイルスを検出し診断した研究論文を体系的にレビューし、評価し、合成することである。
論文参考訳（メタデータ） (2021-07-25T12:26:57Z)
Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
論文参考訳（メタデータ） (2021-06-25T01:02:55Z)
What is the State of the Art of Computer Vision-Assisted Cytology? A Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文参考訳（メタデータ） (2021-05-24T13:50:45Z)
Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文参考訳（メタデータ） (2021-05-03T21:20:20Z)
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)
Accelerating COVID-19 research with graph mining and transformer-based learning [2.493740042317776]
新型コロナウイルス研究のための汎用仮説自動生成システムAGATHA-CとAGATHA-GPを紹介します。どちらのシステムも、高速な計算時間でドメイン(一部のドメインでは0.97%のROC AUC)間で高品質の予測を実現します。これらのシステムは、新型コロナウイルスとオキシトシンホルモンの関係など、現在進行中の研究成果を発見できることを示す。
論文参考訳（メタデータ） (2021-02-10T15:11:36Z)
COVIDScholar: An automated COVID-19 research aggregation and analysis platform [0.0]
2020年10月現在、81,000以上のCOVID-19関連科学論文が1日250以上の速度で公開されています。これは、研究文献との関わりの伝統的な方法への挑戦を生み出しました。我々は2020年における新型コロナウイルス研究の動向について分析する。
論文参考訳（メタデータ） (2020-12-07T18:17:11Z)

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。