論文の概要: Fruit-CoV: An Efficient Vision-based Framework for Speedy Detection and
Diagnosis of SARS-CoV-2 Infections Through Recorded Cough Sounds
- arxiv url: http://arxiv.org/abs/2109.03219v1
- Date: Mon, 6 Sep 2021 07:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-09 03:37:56.025012
- Title: Fruit-CoV: An Efficient Vision-based Framework for Speedy Detection and
Diagnosis of SARS-CoV-2 Infections Through Recorded Cough Sounds
- Title（参考訳）: Fruit-CoV:記録カフ音によるSARS-CoV-2感染の迅速検出と診断のための高能率視覚ベースフレームワーク
- Authors: Long H. Nguyen, Nhat Truong Pham, Van Huong Do, Liu Tai Nguyen, Thanh
Tin Nguyen, Van Dung Do, Hai Nguyen, Ngoc Duy Nguyen
- Abstract要約: SARS-CoV-2は世界中に広がり、2020年3月以降、世界的なパンデミックの流行に関与している。
自宅でSARS-CoV-2のセルフテストサービスを持つことは不可欠である。
本研究では,2段階の視覚フレームワークであるFruit-CoVを紹介する。
- 参考スコア（独自算出の注目度）: 0.38321248253111767
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SARS-CoV-2 is colloquially known as COVID-19 that had an initial outbreak in
December 2019. The deadly virus has spread across the world, taking part in the
global pandemic disease since March 2020. In addition, a recent variant of
SARS-CoV-2 named Delta is intractably contagious and responsible for more than
four million deaths over the world. Therefore, it is vital to possess a
self-testing service of SARS-CoV-2 at home. In this study, we introduce
Fruit-CoV, a two-stage vision framework, which is capable of detecting
SARS-CoV-2 infections through recorded cough sounds. Specifically, we convert
sounds into Log-Mel Spectrograms and use the EfficientNet-V2 network to extract
its visual features in the first stage. In the second stage, we use 14
convolutional layers extracted from the large-scale Pretrained Audio Neural
Networks for audio pattern recognition (PANNs) and the Wavegram-Log-Mel-CNN to
aggregate feature representations of the Log-Mel Spectrograms. Finally, we use
the combined features to train a binary classifier. In this study, we use a
dataset provided by the AICovidVN 115M Challenge, which includes a total of
7371 recorded cough sounds collected throughout Vietnam, India, and
Switzerland. Experimental results show that our proposed model achieves an AUC
score of 92.8% and ranks the 1st place on the leaderboard of the AICovidVN
Challenge. More importantly, our proposed framework can be integrated into a
call center or a VoIP system to speed up detecting SARS-CoV-2 infections
through online/recorded cough sounds.
- Abstract（参考訳）: SARS-CoV-2は、2019年12月に発生した新型コロナウイルスとして知られている。
新型コロナウイルスは世界中に広がり、2020年3月以降、世界的なパンデミック(パンデミック)の流行に関与している。
さらに、最近のSARS-CoV-2はデルタと呼ばれており、世界中で400万人以上の死者を負っている。
そのため、家庭でSARS-CoV-2のセルフテストサービスを持つことが不可欠である。
本研究では,sars-cov-2感染の検出を可能にする2段階視覚フレームワークであるfruit-covについて紹介する。
具体的には、音をLog-Mel Spectrogramに変換し、EfficientNet-V2ネットワークを用いて第1段階で視覚的特徴を抽出する。
第2段階では、大規模事前学習音声ニューラルネットワーク(PANN)とWavegram-Log-Mel-CNNから抽出した14の畳み込み層を用いて、ログメルスペクトルの特徴表現を集約する。
最後に、組み合わせた機能を使ってバイナリ分類器を訓練します。
本研究では,aicovidvn 115mチャレンジの提供するデータセットを用いて,ベトナム,インド,スイス全域で収集された,7371個のカウ音を収録した。
実験の結果,提案モデルがAUCスコア92.8%を達成し,AICovidVN Challengeの1位となった。
さらに重要なことは,提案フレームワークをコールセンタやVoIPシステムに統合することで,オンライン/記録コークス音によるSARS-CoV-2感染の検出を高速化することができる。
関連論文リスト
- A large-scale and PCR-referenced vocal audio dataset for COVID-19 [29.40538927182366]
イギリス保健安全庁は、2021年3月から2022年3月までの英国におけるテスト・アンド・トレースプログラムとREACT-1サーベイを通じて、自発的な参加者を募集した。
新型コロナウイルス対策」のデジタルサーベイでは、インフルエンザの鳴き声、吐き声、スピーチの音声記録が収集された。
このデータセットでは、11.30%の参加者が喘息を報告している。
論文 参考訳（メタデータ） (2022-12-15T11:40:40Z) - COVYT: Introducing the Coronavirus YouTube and TikTok speech dataset
featuring the same speakers with and without infection [4.894353840908006]
私たちは、65人の話者から8時間以上のスピーチを含む公開ソースから収集された新しい新型コロナウイルスデータセットであるCOVYTデータセットを紹介します。
他の既存のCOVID-19サウンドデータセットと比較すると、COVYTデータセットのユニークな特徴は、全65話者から陽性と陰性の両方のサンプルを含むことである。
論文 参考訳（メタデータ） (2022-06-20T16:26:51Z) - Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH
COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。
COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文 参考訳（メタデータ） (2021-07-30T10:59:08Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - 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) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - Recent Advances in Computer Audition for Diagnosing COVID-19: An
Overview [5.36519190935659]
コンピュータオーディション(CA)は、発話障害のヘルスケア分野で効率的であることが実証されています。
新型コロナウイルスのパンデミックと戦うためのデータ駆動技術では、CAは過小評価されている。
論文 参考訳（メタデータ） (2020-12-08T21:39:01Z) - 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) - COVID-Net S: Towards computer-aided severity assessment via training and
validation of deep neural networks for geographic extent and opacity extent
scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。
本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文 参考訳（メタデータ） (2020-05-26T16:33:52Z) - COVID-19 and Computer Audition: An Overview on What Speech & Sound
Analysis Could Contribute in the SARS-CoV-2 Corona Crisis [10.436988903556108]
新型コロナウイルス(COVID-19)の感染者は3カ月以上前から1万人を超えており、SARS-CoV-2として知られている。
本稿では,コンピュータ・オーディション(CA)の可能性,すなわち人工知能による音声・音声分析の利用について概説する。
CAは(前)診断および監視ツールの実装の準備が整っているという結論に達し、より一般的には、リッチで重要な、そしてこれまでは、新型コロナウイルスとの戦いにおいて、未解決の可能性を秘めている。
論文 参考訳（メタデータ） (2020-03-24T21:17:44Z)
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。