論文の概要: End-2-End COVID-19 Detection from Breath & Cough Audio

• arxiv url: http://arxiv.org/abs/2102.08359v1
• Date: Thu, 7 Jan 2021 01:13:00 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 13:23:31.791314
• Title: End-2-End COVID-19 Detection from Breath & Cough Audio
• Title（参考訳）: 音声によるエンド-2-End COVID-19検出
• Authors: Harry Coppock and Alexander Gaskell and Panagiotis Tzirakis and Alice Baird and Lyn Jones and Bj\"orn W. Schuller
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.41471917650571
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Our main contributions are as follows: (I) We demonstrate the first attempt to diagnose COVID-19 using end-to-end deep learning from a crowd-sourced dataset of audio samples, achieving ROC-AUC of 0.846; (II) Our model, the COVID-19 Identification ResNet, (CIdeR), has potential for rapid scalability, minimal cost and improving performance as more data becomes available. This could enable regular COVID-19 testing at apopulation scale; (III) We introduce a novel modelling strategy using a custom deep neural network to diagnose COVID-19 from a joint breath and cough representation; (IV) We release our four stratified folds for cross parameter optimisation and validation on a standard public corpus and details on the models for reproducibility and future reference.
• Abstract（参考訳）: 主なコントリビューションは次のとおりである: (I) クラウドソースされたオーディオサンプルのデータセットからエンド・ツー・エンドのディープラーニングを用いてCOVID-19を診断し、0.846のROC-AUCを達成するための最初の試みを示す; (II) 私たちのモデルであるCOVID-19 Identification ResNet(CIdeR)は、迅速なスケーラビリティ、最小コスト、より多くのデータが利用可能になるにつれてパフォーマンスを向上させる可能性を秘めている。 これにより、集団規模での定期的なCOVID-19検査が可能になる; (III) 人工の深層ニューラルネットワークを用いて、関節呼吸とうっ血表現からCOVID-19を診断するための新しいモデリング戦略を導入する; (IV) クロスパラメータ最適化のための4つの階層化されたフォールドを標準の公共コーパス上でリリースし、再現性および将来の参照モデルの詳細を公表する。

関連論文リスト

• COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
  我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。 患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-11-29T14:40:31Z)
• EDAC: Efficient Deployment of Audio Classification Models For COVID-19 Detection [0.0]
  新型コロナウイルスの世界的な感染拡大は、公衆衛生や世界経済に深刻な影響を及ぼした。 新型コロナウイルスを検出するために、さまざまな研究者が機械学習手法を利用した。 このソリューションは、CTスキャンや粗い音声信号などの様々な入力機能と、ディープニューラルネットワークアーキテクチャから生じる最先端の結果を活用する。 この問題に対処するため、私たちはまず、新型コロナウイルスを検出するためにうっ血録音を使用する2つのモデルを再現しました。
  論文  参考訳（メタデータ） (2023-09-11T10:07:51Z)
• An Ensemble Deep Learning Approach for COVID-19 Severity Prediction Using Chest CT Scans [8.512389316218943]
  胸部CTによる重症度予測について検討した。 我々は複数のニューラルネットワークを組み込んで予測を改善するアンサンブル深層学習モデルを開発した。
  論文  参考訳（メタデータ） (2023-05-17T10:43:15Z)
• A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
  本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。 トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。 本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-01T14:12:58Z)
• 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)
• Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH COVID-19 from Audio Challenges [59.78485839636553]
  CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。 COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
  論文  参考訳（メタデータ） (2021-07-30T10:59:08Z)
• 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)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Iteratively Pruned Deep Learning Ensembles for COVID-19 Detection in Chest X-rays [3.785818062712446]
  この病気は、SARS-CoV-2(SARS-CoV-2)ウイルスによって引き起こされる。 カスタム畳み込みニューラルネットワークとImageNet事前訓練モデルの選択を患者レベルでトレーニングし、評価する。 学習した知識は、パフォーマンスと一般化を改善するために伝達され、微調整される。
  論文  参考訳（メタデータ） (2020-04-16T00:09:29Z)
• 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。

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。