論文の概要: DiCOVA-Net: Diagnosing COVID-19 using Acoustics based on Deep Residual Network for the DiCOVA Challenge 2021

• arxiv url: http://arxiv.org/abs/2107.06126v1
• Date: Sun, 11 Jul 2021 19:25:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 04:53:54.620052
• Title: DiCOVA-Net: Diagnosing COVID-19 using Acoustics based on Deep Residual Network for the DiCOVA Challenge 2021
• Title（参考訳）: DiCOVA-Net:Deep Residual Network for the DiCOVA Challenge 2021による新型コロナウイルスの診断
• Authors: Jiangeng Chang, Shaoze Cui, Mengling Feng
• Abstract要約: ウイルス感染患者を同定するために, ディープ・リザーブ・ネットワーク(DiCOVA-Net) を用いたディープ・リザーブ・ネットワーク・ベース・手法を提案する。 マイノリティ・クラス(感染患者)の認識能力を向上させるため,データ拡張法とコスト感受性手法を導入する。 我々の手法はAUCで85.43%を獲得し、全チームの中でトップとなった。
• 参考スコア（独自算出の注目度）: 0.45119235878273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we propose a deep residual network-based method, namely the DiCOVA-Net, to identify COVID-19 infected patients based on the acoustic recording of their coughs. Since there are far more healthy people than infected patients, this classification problem faces the challenge of imbalanced data. To improve the model's ability to recognize minority class (the infected patients), we introduce data augmentation and cost-sensitive methods into our model. Besides, considering the particularity of this task, we deploy some fine-tuning techniques to adjust the pre-training ResNet50. Furthermore, to improve the model's generalizability, we use ensemble learning to integrate prediction results from multiple base classifiers generated using different random seeds. To evaluate the proposed DiCOVA-Net's performance, we conducted experiments with the DiCOVA challenge dataset. The results show that our method has achieved 85.43\% in AUC, among the top of all competing teams.
• Abstract（参考訳）: 本稿では,ウイルス感染患者を音響記録に基づいて同定するディープ残余ネットワークベース手法,すなわちDiCOVA-Netを提案する。 感染した患者より健康な人がはるかに多いため、この分類問題は不均衡なデータの課題に直面している。 マイノリティクラス(感染した患者)を認識できるモデルの能力を向上させるため、データ拡張とコストに敏感な手法をモデルに導入した。 さらに、このタスクの特異性を考慮すると、事前トレーニングされたResNet50を調整するための微調整技術をデプロイする。 さらに,モデルの一般化性を向上させるために,ランダムな種を用いた複数ベース分類器からの予測結果を統合したアンサンブル学習を行う。 提案したDiCOVA-Netの性能を評価するために,DiCOVAチャレンジデータセットを用いて実験を行った。 その結果,AUCでは85.43\%を達成していることがわかった。

関連論文リスト

• Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers [14.144599890583308]
  本稿では,大規模コークスデータセットを用いた自己教師型学習と教師型学習を併用したコークス病分類手法を提案する。 提案手法は、新型コロナウイルスの診断のための2つのベンチマークデータセットと、AUROC 92.5% の COPD/non-COPD 分類のためのプロプライエタリデータセットにおいて、先行技術よりも一貫して優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-08-28T09:40:40Z)
• An AI-enabled Bias-Free Respiratory Disease Diagnosis Model using Cough Audio: A Case Study for COVID-19 [1.1146119513912156]
  トレーニングデータ配信における共同創設者の影響を軽減するため, Bias Free Network (RBFNet) を提案する。 RBFNetは正確なRD診断機能を保証し、COVID19データセットを組み込むことでその関連性を強調する。 条件付き生成Adrial Network (cGAN) を定式化するための分類スキームに新たなバイアス予測器が組み込まれている
  論文  参考訳（メタデータ） (2024-01-04T13:09:45Z)
• 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)
• UFRC: A Unified Framework for Reliable COVID-19 Detection on Crowdsourced Cough Audio [0.5549794481031467]
  我々は、データ拡張、ImageNet-pretrained ResNet-50、コスト感受性損失、深層学習、不確実性推定のコアコンポーネントを備えた統合システムを提案する。 COVID-19検出の課題では、ImageNet-pretrained ResNet-50が有効であることが判明した。 統合された枠組みは、異なる呼吸障害を迅速に診断するためにオーディオが用いられることも示している。
  論文  参考訳（メタデータ） (2022-04-16T09:24:16Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• 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)
• 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)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)
• Learning Decision Ensemble using a Graph Neural Network for Comorbidity Aware Chest Radiograph Screening [4.9178119168798045]
  機械学習に基づく自動化ソリューションは、放射線科医の定期的なスクリーニングの負担を軽減するために開発されている。 異なる疾患間の依存関係をモデル化するアンサンブル予測を得るために,グラフニューラルネットワーク(GNN)に基づくソリューションを提案する。
  論文  参考訳（メタデータ） (2020-04-24T12:57:50Z)

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。