論文の概要: Multimodal Detection of COVID-19 Symptoms using Deep Learning &
Probability-based Weighting of Modes
- arxiv url: http://arxiv.org/abs/2109.01669v1
- Date: Fri, 3 Sep 2021 10:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-09 04:09:57.906598
- Title: Multimodal Detection of COVID-19 Symptoms using Deep Learning &
Probability-based Weighting of Modes
- Title(参考訳): 深層学習と確率に基づくモードの重み付けによるCOVID-19症状のマルチモーダル検出
- Authors: Meysam Effati, Yu-Chen Sun, Hani E. Naguib, Goldie Nejat
- Abstract要約: 新型コロナウイルスのパンデミックは、21世紀で最も困難な医療危機の1つだ。
新型コロナウイルス(COVID-19)の患者は、うっ血、発熱、息の短さなど、複数の症状を呈することがある。
本稿では,既存の深層学習分類器と新しい確率に基づく重み付け機能を組み込むことで,新型コロナウイルスの予測を行うマルチモーダル手法を提案する。
- 参考スコア(独自算出の注目度): 2.8388425545775386
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic is one of the most challenging healthcare crises during
the 21st century. As the virus continues to spread on a global scale, the
majority of efforts have been on the development of vaccines and the mass
immunization of the public. While the daily case numbers were following a
decreasing trend, the emergent of new virus mutations and variants still pose a
significant threat. As economies start recovering and societies start opening
up with people going back into office buildings, schools, and malls, we still
need to have the ability to detect and minimize the spread of COVID-19.
Individuals with COVID-19 may show multiple symptoms such as cough, fever, and
shortness of breath. Many of the existing detection techniques focus on
symptoms having the same equal importance. However, it has been shown that some
symptoms are more prevalent than others. In this paper, we present a multimodal
method to predict COVID-19 by incorporating existing deep learning classifiers
using convolutional neural networks and our novel probability-based weighting
function that considers the prevalence of each symptom. The experiments were
performed on an existing dataset with respect to the three considered modes of
coughs, fever, and shortness of breath. The results show considerable
improvements in the detection of COVID-19 using our weighting function when
compared to an equal weighting function.
- Abstract(参考訳): 新型コロナウイルスのパンデミックは21世紀で最も困難な医療危機の1つだ。
ウイルスが世界的な規模で拡大を続ける中、多くの努力はワクチンの開発と大衆の大量免疫に向けられている。
毎日のケース数は減少傾向にあるが、新しいウイルス変異や変異の出現は依然として重大な脅威となっている。
経済が回復し始め、社会が人々がオフィスビル、学校、モールに戻るにつれて、新型コロナウイルス(covid-19)の感染拡大を検知し、最小化する能力が必要です。
新型コロナウイルス(COVID-19)の患者は、痛み、発熱、息の短さなど、複数の症状を示すことがある。
既存の検出技術の多くは、同じ重要性の症状に焦点を当てている。
しかし、いくつかの症状は他の症状よりも多いことが示されている。
本稿では、畳み込みニューラルネットワークを用いた既存のディープラーニング分類器と、各症状の頻度を考慮した新しい確率に基づく重み付け機能を組み合わせることで、COVID-19を予測するマルチモーダル手法を提案する。
実験は既存のデータセットで行われ、これら3つの方法が検討され、発熱、呼吸の短さが報告された。
その結果,同量の重み付け機能と比較して,重み付け機能を用いた新型コロナウイルス検出の精度が向上した。
関連論文リスト
- Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - Modeling the effect of the vaccination campaign on the Covid-19 pandemic [0.0]
予防接種キャンペーン中にコビッドウイルスの流行を予測できる数学的モデルであるSAIVRを紹介した。
このモデルは、半教師付き機械学習手法を用いて推定されるいくつかのパラメータと初期条件を含む。
これらの結果から, 日中感染率, ワクチン有効性, および, 広範囲の社会的ワクチン依存度, デンタルレベルにおいて, パンデミックの経時的変化について広範な研究を行った。
論文 参考訳(メタデータ) (2021-08-27T19:12:13Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳(メタデータ) (2021-08-07T15:08:15Z) - Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。
その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。
この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
論文 参考訳(メタデータ) (2021-05-18T07:26:09Z) - 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) - Deep Neural Networks for COVID-19 Detection and Diagnosis using Images
and Acoustic-based Techniques: A Recent Review [0.36550217261503676]
新型コロナウイルスは2020年3月から世界保健機関(WHO)によってパンデミックと宣言されている。
これは、非定型肺炎を発症する可能性のある呼吸性熱帯性ウイルス感染である。
専門家は、COVID-19ウイルスを持っている人の早期発見の重要性を強調しています。
論文 参考訳(メタデータ) (2020-12-10T19:52:12Z) - 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) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳(メタデータ) (2020-06-05T02:04:25Z) - 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) - Abnormal respiratory patterns classifier may contribute to large-scale
screening of people infected with COVID-19 in an accurate and unobtrusive
manner [38.59200764343499]
感染予防, 予防管理期間中は, HIV感染者の予後, 診断, スクリーニングに有用である。
我々の研究は様々な呼吸パターンを識別するために利用することができ、装置を予備的に実用化することができる。
論文 参考訳(メタデータ) (2020-02-12T09:42:57Z)
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。