Fugu-MT 論文翻訳(概要): Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19

論文の概要: Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19

arxiv url: http://arxiv.org/abs/2103.01806v1
Date: Tue, 2 Mar 2021 15:31:09 GMT
ステータス: 処理完了
システム内更新日: 2021-03-03 15:40:06.168213
Title: Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19
Title（参考訳）: Virufy:COVID-19の自動検出のためのマルチブランチディープラーニングネットワーク
Authors: Ahmed Fakhry, Xinyi Jiang, Jaclyn Xiao, Gunvant Chaudhari, Asriel Han, Amil Khanzada
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.9899603776429056
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Fast and affordable solutions for COVID-19 testing are necessary to contain the spread of the global pandemic and help relieve the burden on medical facilities. Currently, limited testing locations and expensive equipment pose difficulties for individuals trying to be tested, especially in low-resource settings. Researchers have successfully presented models for detecting COVID-19 infection status using audio samples recorded in clinical settings [5, 15], suggesting that audio-based Artificial Intelligence models can be used to identify COVID-19. Such models have the potential to be deployed on smartphones for fast, widespread, and low-resource testing. However, while previous studies have trained models on cleaned audio samples collected mainly from clinical settings, audio samples collected from average smartphones may yield suboptimal quality data that is different from the clean data that models were trained on. This discrepancy may add a bias that affects COVID-19 status predictions. To tackle this issue, we propose a multi-branch deep learning network that is trained and tested on crowdsourced data where most of the data has not been manually processed and cleaned. Furthermore, the model achieves state-of-art results for the COUGHVID dataset [16]. After breaking down results for each category, we have shown an AUC of 0.99 for audio samples with COVID-19 positive labels.
Abstract（参考訳）: 新型コロナウイルス検査の迅速で手頃な価格のソリューションは、世界的なパンデミックの広がりを封じ込め、医療機関の負担を軽減するために必要です。現在、限られたテスト場所と高価な機器は、特に低リソース設定でテストしようとする個人にとって困難です。研究者らは、臨床設定 [5, 15] に記録された音声サンプルを使用して、COVID-19感染状況を検出するモデルを提示し、音声ベースの人工知能モデルを使用してCOVID-19を識別することができることを示唆した。このようなモデルは、高速、広範、低リソースのテストのためにスマートフォンにデプロイされる可能性がある。しかし、以前の研究では、主に臨床設定から収集されたクリーンオーディオサンプルのモデルを訓練していますが、平均的なスマートフォンから収集されたオーディオサンプルは、モデルがトレーニングしたクリーンデータとは異なる最適な品質データをもたらす可能性があります。この不一致は、新型コロナウイルス(COVID-19)のステータス予測に影響を及ぼすバイアスをもたらす可能性がある。そこで本研究では,データ処理が手作業で行われていないクラウドソースデータに対して,トレーニングとテストを行うマルチブランチ深層学習ネットワークを提案する。さらに,このモデルにより,COUGHVIDデータセット [16] の最先端結果が得られる。各カテゴリーの結果を分解した後、covid-19陽性のラベルを持つオーディオサンプルのaucは0.99であることを示した。

関連論文リスト

Developing a Multi-variate Prediction Model For COVID-19 From Crowd-sourced Respiratory Voice Data [0.0]
音声記録データから新型コロナウイルスを識別する深層学習モデルを開発した。私たちはCambridge COVID-19 Soundデータベースを使用し、4352人の参加者からクラウドソースされた893の音声サンプルを、COVID-19 Soundsアプリを通じて公開しています。音声データに基づいて、COVID-19の症例を検出するためのディープラーニング分類モデルを構築した。
論文参考訳（メタデータ） (2024-02-12T12:52:47Z)
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)
When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
論文参考訳（メタデータ） (2022-03-24T02:09:41Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
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)
Sounds of COVID-19: exploring realistic performance of audio-based digital testing [17.59710651224251]
本稿では、COVID-19の音声によるデジタル検査の現実的な性能について検討する。われわれは、大規模なクラウドソースによる呼吸器オーディオデータセットをモバイルアプリを通じて収集した。非バイアスモデルでは、呼吸、うずみ、音声信号から抽出した特徴を予測器として取り出し、AUC-ROCは0.71(95% CI: 0.65$-$0.77)となる。
論文参考訳（メタデータ） (2021-06-29T15:50:36Z)
Uncertainty-Aware COVID-19 Detection from Imbalanced Sound Data [15.833328435820622]
音声ベースのCOVID-19検出のための複数のディープラーニングモデルを開発するアンサンブルフレームワークを提案する。誤った予測はしばしば高い不確実性をもたらすことが示されている。この研究は、より堅牢なサウンドベースのcovid-19自動スクリーニングシステムへの道を開くものだ。
論文参考訳（メタデータ） (2021-04-05T16:54:03Z)
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)
Virufy: Global Applicability of Crowdsourced and Clinical Datasets for AI Detection of COVID-19 from Cough [2.047329787828792]
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。
論文参考訳（メタデータ） (2020-11-26T14:38:19Z)
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)

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。