論文の概要: COVID-19 Modeling: A Review
- arxiv url: http://arxiv.org/abs/2104.12556v1
- Date: Fri, 16 Apr 2021 12:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 19:45:21.498683
- Title: COVID-19 Modeling: A Review
- Title（参考訳）: 新型コロナウイルスのモデリング : レビュー
- Authors: Longbing Cao and Qing Liu and Wenfeng Hou
- Abstract要約: 新型コロナウイルス感染のモデル化、診断、介入、病理学的および影響分析に多大な努力が行われている。
2020年以降、covid-19に関する世界的文献が約160万冊生産された。
私たちは、ビジネスの目標とタスクをまとめ、一致させるために、分野横断的な研究の展望を考え出しました。
- 参考スコア（独自算出の注目度）: 30.109496996677663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To tackle the COVID-19 pandemic, massive efforts have been made in modeling
COVID-19 transmission, diagnoses, interventions, pathological and influence
analysis, etc. With the most comprehensive repository on COVID-19 research -
some 160k WHO-collected global literature on COVID-19 produced since 2020, some
critical question to ask include: What are the COVID-19 challenges? How do they
address the challenges? Where are the significant gaps and opportunities in
COVID-19 modeling?. Accordingly, informed by their statistics and a deep
keyword-based similarity analysis of those references on COVID-19 modeling,
this is the first to systemically summarize the disease, data and modeling
challenges and the corresponding modeling progress and gaps. We come up with a
transdisciplinary research landscape to summarize and match the business goals
and tasks and their learning methods of COVID-19 modeling.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミックに対処するため、新型コロナウイルスの感染、診断、介入、病的および影響分析などのモデリングに多大な努力が払われている。
COVID-19に関する最も包括的なリポジトリは、2020年以降に制作されたWHOが収集した世界文献160万件である。
課題にどう対処すればよいのか?
新型コロナウイルス(covid-19)のモデリングにおける大きなギャップと機会はどこにあるのか?
従って、covid-19モデリングに関するそれらの言及の統計と深いキーワードに基づく類似性分析から、疾患、データ、モデリングの課題、および対応するモデリングの進展とギャップを体系的に要約した最初の例である。
我々は、新型コロナウイルスモデリングのビジネス目標とタスクとその学習方法を要約し、一致させるために、学際的な研究の展望を思いついた。
関連論文リスト
- Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - Forecasting of COVID-19 Cases, Using an Evolutionary Neural Architecture
Search Approach [0.76146285961466]
2019年後半には、重症呼吸器疾患である新型コロナウイルス(COVID-19)が出現し、それ以来、世界はパンデミックの危機に直面している。
本稿では、拡張機能を備えた新しいデータセットを導入し、新しいアプローチで新型コロナウイルスの患者を予測する。
アプローチの有効性を示すため、イランの毎日の事例について比較研究を行った。
論文 参考訳（メタデータ） (2021-09-15T05:12:50Z) - MobileCaps: A Lightweight Model for Screening and Severity Analysis of
COVID-19 Chest X-Ray Images [2.6599893784722948]
胸部X線は、新型コロナウイルス患者の初期スクリーニングに広く採用されている画像モダリティである。
我々はMobileNetV2アーキテクチャを特徴抽出器として利用し、Capsule Networksに統合し、MobileCapsと呼ばれる完全に自動化され軽量なモデルを構築する。
分類モデルは, 91.60, 94.60, 92.20, 精度98.50, 88.21, 92.62, 非肺炎, 健常例の総合的リコールを達成した。
論文 参考訳（メタデータ） (2021-08-19T16:33:05Z) - 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) - Diagnosis/Prognosis of COVID-19 Images: Challenges, Opportunities, and
Applications [27.46013010011658]
新型コロナウイルス(covid-19)は、われわれが2020年に知っていたように急速に世界を変えた。
これは一般には解析疫学や特定の信号処理理論に対する最も先行しない挑戦となる。
このパンデミックを克服し、将来の可能性に備えるために、効率的な処理/学習モデルを開発することが重要である。
論文 参考訳（メタデータ） (2020-12-28T05:38:44Z) - Artificial Intelligence for COVID-19 Detection -- A state-of-the-art
review [5.237999056930947]
新型コロナウイルスの出現は、適切な管理のために科学界の多くの努力を必要としている。
深層学習 (DL) と人工知能 (AI) の使用は、上記すべての領域で求められる。
グローバル緊急時の課題に対処するために、DLとAIを効果的に実装できることを評価することができる。
論文 参考訳（メタデータ） (2020-11-25T07:02:14Z) - Semi-supervised Neural Networks solve an inverse problem for modeling
Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。
我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文 参考訳（メタデータ） (2020-10-10T19:33:53Z) - 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) - 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) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z) - COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose
COVID-19 in X-Ray Images [10.312968200748116]
2019年の新型コロナウイルス(COVID-19)は、2019年末に中国の武漢市で新型肺炎として発見された。
本稿の目的は、放射線科医がX線画像中のCOVID-19を自動的に診断するのを支援するための新しいディープラーニングフレームワーク、すなわちCOVIDX-Netを導入することである。
論文 参考訳（メタデータ） (2020-03-24T18:21:10Z)
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。