論文の概要: Triage and diagnosis of COVID-19 from medical social media

• arxiv url: http://arxiv.org/abs/2103.11850v1
• Date: Mon, 22 Mar 2021 13:46:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 23:58:15.961234
• Title: Triage and diagnosis of COVID-19 from medical social media
• Title（参考訳）: 医療用ソーシャルメディアからのCOVID-19のトリアージと診断
• Authors: Abul Hasan, Mark Levene, David Weston, Renate Fromson, Nicolas Koslover, and Tamara Levene
• Abstract要約: 本研究は、患者が発行したソーシャルメディア投稿から新型コロナウイルスのトリアージと診断のためのエンドツーエンドの自然言語処理パイプラインを開発することを目的とする。
• 参考スコア（独自算出の注目度）: 0.7388859384645263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: This study aims to develop an end-to-end natural language processing pipeline for triage and diagnosis of COVID-19 from patient-authored social media posts. Materials and Methods: The text processing pipeline first extracts COVID-19 symptoms and related concepts such as severity, duration, negations, and body parts from patients posts using conditional random fields. An unsupervised rule-based algorithm is then applied to establish relations between concepts in the next step of the pipeline. The extracted concepts and relations are subsequently used to construct two different vector representations of each post. These vectors are applied separately to build support vector machine learning models to triage patients into three categories and diagnose them for COVID-19. Results: We report that Macro- and Micro-averaged F_1 scores in the range of 71-96% and 61-87%, respectively, for the triage and diagnosis of COVID-19, when the models are trained on ground truth labelled data. Our experimental results indicate that similar performance can be achieved when the models are trained using predicted labels from concept extraction and rule-based classifiers, thus yielding end-to-end machine learning. Discussion: We highlight important features uncovered by our diagnostic machine learning models and compare them with the most frequent symptoms revealed in another COVID-19 dataset. In particular, we found that the most important features are not always the most frequent ones. Conclusions: Our preliminary results show that it is possible to automatically triage and diagnose patients for COVID-19 from natural language narratives using a machine learning pipeline.
• Abstract（参考訳）: 目的:本研究は,患者のソーシャルメディア投稿から新型コロナウイルスのトリアージと診断のためのエンドツーエンド自然言語処理パイプラインを開発することを目的とする。 資料と方法:テキスト処理パイプラインはまず、条件付きランダムフィールドを使用して、患者のポストから新型コロナウイルスの症状や重症度、持続時間、否定、身体の一部を抽出する。 教師なしのルールベースのアルゴリズムは、パイプラインの次のステップで概念間の関係を確立するために適用される。 抽出された概念と関係は、各ポストの2つの異なるベクトル表現を構築するために使われる。 これらのベクターは、患者を3つのカテゴリに分けて新型コロナウイルスと診断するためのサポートベクター機械学習モデルを構築するために別々に適用される。 結果: マクロ平均値f_1とマイクロ平均値f_1はそれぞれ71-96%, 61-87%の範囲で, 基礎的真理ラベルデータに基づいてモデルが訓練された場合の新型コロナウイルスのトリアージと診断において, それぞれスコアが71-96%, 61-87%であった。 実験結果から,モデルが概念抽出とルールベース分類器から予測されたラベルを用いて訓練された場合,同様の性能が得られることが示唆された。 議論: 診断機械学習モデルで明らかになった重要な特徴を強調し、他のCOVID-19データセットで明らかになった最も頻繁な症状と比較する。 特に、最も重要な機能は必ずしも最も頻繁なものではないことが分かりました。 結論: 本研究の予備結果は, 機械学習パイプラインを用いて, 自然言語物語からcovid-19患者を自動的にトリアージし, 診断することが可能であることを示している。

関連論文リスト

• Symptom-based Machine Learning Models for the Early Detection of COVID-19: A Narrative Review [0.0]
  機械学習モデルは、患者の報告した症状、臨床データ、医療画像などを取り入れて、大規模なデータセットを分析することができる。 本稿では、その性能と限界を含む、COVID-19を予測するための症状のみの機械学習モデルの概要について概説する。 また、画像ベースモデルと比較して、症状ベースのモデルの性能についても検討する。
  論文  参考訳（メタデータ） (2023-12-08T01:41:42Z)
• Predicting Cardiovascular Complications in Post-COVID-19 Patients Using Data-Driven Machine Learning Models [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは世界中で多くの健康上の問題を引き起こしている。 本研究では、データ駆動機械学習モデルを用いて、イラクからの352人のポスト新型コロナウイルス患者の合併症を予測する。
  論文  参考訳（メタデータ） (2023-09-27T22:52:08Z)
• Deep reproductive feature generation framework for the diagnosis of COVID-19 and viral pneumonia using chest X-ray images [0.0]
  最先端の8つの深層畳み込みニューラルネットワーク(CNN)とオートエンコーダを用いた2段階特徴抽出フレームワークを提案する。 X線スキャンは4つの同じ大きさのセクションに分けられ、深層学習CNNによって分析される。 隠れた3つの層を持つオートエンコーダは、CNNの出力から生殖機能を抽出するために訓練される。
  論文  参考訳（メタデータ） (2023-04-20T23:52:21Z)
• 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)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• Improving Clinical Document Understanding on COVID-19 Research with Spark NLP [0.0]
  世界的な新型コロナウイルスのパンデミックの後、ウイルスを研究する科学論文の数は大幅に増加しました。 これまでの取り組みを3つの方法で改善する臨床テキストマイニングシステムを紹介します。 まず、健康、解剖学、リスクファクター、有害事象の社会的決定要因を含む100以上の異なるエンティティタイプを認識することができます。 第2に、テキスト処理パイプラインは、アサーション状態検出を含み、患者以外の誰かの存在、欠如、条件付き、または、患者に関する臨床事実を区別する。
  論文  参考訳（メタデータ） (2020-12-07T19:17:05Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint Identification and Severity Quantification [45.86448200141968]
  感染リスクのある患者をできるだけ早期に分離する研究を優先するための新型コロナウイルスの同定、重度定量化、重篤な患者の研究の強調、病院への誘導、救急医療の提供の2つの基本的な設定について述べる。 両トリアージアプローチを統合するマルチタスクアプローチを提案し、利用可能なラベルを1つのモデルにまとめる畳み込みニューラルネットワークを提案する。 我々は約2000件の公開CT研究をトレーニングし、32件のCOVID-19研究、30件の細菌性肺炎、31件の健常患者、および30件の肺病理患者からなる慎重に設計したセットを用いて、典型的な患者の血流をエミュレートする。
  論文  参考訳（メタデータ） (2020-06-02T08:05:06Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。