Fugu-MT 論文翻訳(概要): Development of Risk-Free COVID-19 Screening Algorithm from Routine Blood Test using Ensemble Machine Learning

論文の概要: Development of Risk-Free COVID-19 Screening Algorithm from Routine Blood Test using Ensemble Machine Learning

arxiv url: http://arxiv.org/abs/2108.05660v1
Date: Thu, 12 Aug 2021 11:01:53 GMT
ステータス: 処理完了
システム内更新日: 2021-08-13 14:47:54.217154
Title: Development of Risk-Free COVID-19 Screening Algorithm from Routine Blood Test using Ensemble Machine Learning
Title（参考訳）: アンサンブル機械学習を用いた日常血液検査からの無リスク新型コロナウイルススクリーニングアルゴリズムの開発
Authors: Md. Mohsin Sarker Raihan, Md. Mohi Uddin Khan, Laboni Akter and Abdullah Bin Shams
Abstract要約: この研究は、リスクフリーで高精度なStacked Ensemble Machine Learningモデルを提案することで、COVID-19検出の概念を活用する。提案手法は,ユビキタス・ユビキタス・ローコストスクリーニングアプリケーションの可能性を有する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The Reverse Transcription Polymerase Chain Reaction (RTPCR) test is the silver bullet diagnostic test to discern COVID infection. Rapid antigen detection is a screening test to identify COVID positive patients in little as 15 minutes, but has a lower sensitivity than the PCR tests. Besides having multiple standardized test kits, many people are getting infected & either recovering or dying even before the test due to the shortage and cost of kits, lack of indispensable specialists and labs, time-consuming result compared to bulk population especially in developing and underdeveloped countries. Intrigued by the parametric deviations in immunological & hematological profile of a COVID patient, this research work leveraged the concept of COVID-19 detection by proposing a risk-free and highly accurate Stacked Ensemble Machine Learning model to identify a COVID patient from communally available-widespread-cheap routine blood tests which gives a promising accuracy, precision, recall & F1-score of 100%. Analysis from R-curve also shows the preciseness of the risk-free model to be implemented. The proposed method has the potential for large scale ubiquitous low-cost screening application. This can add an extra layer of protection in keeping the number of infected cases to a minimum and control the pandemic by identifying asymptomatic or pre-symptomatic people early.
Abstract（参考訳）: 逆転写ポリメラーゼ連鎖反応(Reverse Transcription Polymerase Chain Reaction, RTPCR)は、ウイルス感染を識別するための銀の弾丸診断試験である。ラピッド抗原検出(rapid antigen detection)は、ウイルス陽性患者を15分以内で同定するスクリーニング検査であるが、pcr検査よりも感度が低い。複数の標準テストキットを持つのに加えて、多くの人々が感染し、キットの不足やコスト、不要な専門家や研究所の欠如、特に開発途上国や未開発国での大量人口と比較して、テストの前にも回復または死亡している。本研究は、新型コロナウイルス患者の免疫学的および血液学的プロファイルにおけるパラメトリックな偏差に起因し、リスクフリーで高精度なスタックド・アンサンブル・機械学習モデルを用いて、新型コロナウイルス患者を、有望な精度、精度、リコール、F1スコアの100%で、共同で利用可能なワイドスプレッドチープの血液検査から識別する。 R曲線の解析は、実装すべきリスクフリーモデルの正確性を示す。提案手法は, 大規模ユビキタスな低コストスクリーニングアプリケーションの可能性を有する。これにより、感染した感染者の数を最小限に抑え、無症状または症状前の人々を早期に特定することでパンデミックを抑えるための追加的な保護層が加わる可能性がある。

関連論文リスト

An Ensemble Machine Learning Approach for Screening Covid-19 based on Urine Parameters [0.0]
新型コロナウイルスの急速な普及と新型ウイルスの出現は、効果的なスクリーニングの重要性を浮き彫りにしている。 PCR検査は新型コロナウイルス(COVID-19)の診断における金の基準であるが、費用と時間を要する。尿検査ストリップは、患者の健康状態に関する重要な情報を提供する、安価で非侵襲的で、迅速に入手可能なスクリーニング方法である。
論文参考訳（メタデータ） (2023-11-03T11:45:10Z)
Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
本研究の目的は、希少な疾患を患っているk人の集団を同定することである。個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
論文参考訳（メタデータ） (2022-06-15T16:38:50Z)
An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF Mass Spectrometry [0.9250974571641537]
重症急性呼吸器症候群2型(SARS-CoV-2)は世界的なパンデミックを引き起こし、世界経済に大きな影響を与えた。近年では、現在の金標準リアルタイムポリメラーゼ連鎖反応(RT-PCR)結果と高い一致を示す複数の代替プラットフォームが公表されている。これらの新しい方法は鼻咽頭(NP)スワブを除去し、複雑な試薬の必要性を排除し、RT-PCRテスト試薬の供給の負担を軽減する。本研究では,人工知能を用いたAIテスト手法を設計し,実験結果の信頼性について検討した。
論文参考訳（メタデータ） (2021-09-28T23:29:31Z)
COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文参考訳（メタデータ） (2021-05-04T19:01:40Z)
Decision and Feature Level Fusion of Deep Features Extracted from Public COVID-19 Data-sets [6.445605125467574]
新型コロナウイルスの早期診断において、胸部X線撮影の使用が増加している。畳み込みニューラルネットワーク(CNN)を用いたX線画像のコンピュータ支援診断システムを提案する。実験結果から,提案手法は新型コロナウイルス検出性能が高かったことが示唆された。
論文参考訳（メタデータ） (2020-11-17T09:36:21Z)
A New Screening Method for COVID-19 based on Ocular Feature Recognition by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文参考訳（メタデータ） (2020-09-04T00:50:27Z)
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)
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)
AI-Driven CT-based quantification, staging and short-term outcome prediction of COVID-19 pneumonia [3.672093204122992]
胸部CTはコロナウイルス感染症2019(COVID-19)肺炎の管理に広く用いられている。 CTは、新型コロナウイルス(COVID-19)肺の異常の程度を視覚的に評価することで予後に影響を及ぼす。
論文参考訳（メタデータ） (2020-04-20T12:24:08Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)
Noisy Pooled PCR for Virus Testing [2.973572497882374]
本研究は, 患者検体におけるウイルス感染状況を決定するためのスケーラブルなアプローチを開発する。提案手法は群検定を線形逆問題に変換し, 偽陽性と負は雑音のある通信チャネルによって生成されると解釈する。
論文参考訳（メタデータ） (2020-04-06T14:12:20Z)

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。