論文の概要: Telehealthcare and Covid-19: A Noninvasive & Low Cost Invasive, Scalable and Multimodal Real-Time Smartphone Application for Early Diagnosis of SARS-CoV-2 Infection

• arxiv url: http://arxiv.org/abs/2109.07846v1
• Date: Thu, 16 Sep 2021 10:22:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-17 16:25:07.313122
• Title: Telehealthcare and Covid-19: A Noninvasive & Low Cost Invasive, Scalable and Multimodal Real-Time Smartphone Application for Early Diagnosis of SARS-CoV-2 Infection
• Title（参考訳）: 遠隔医療とCovid-19:SARS-CoV-2感染早期診断のための非侵襲的で低コストでスケーラブルでマルチモーダルなリアルタイムスマートフォンアプリケーション
• Authors: Abdullah Bin Shams, Md. Mohsin Sarker Raihan, Md. Mohi Uddin Khan, Rahat Bin Preo and Ocean Monjur
• Abstract要約: そこで本研究では,Covid-19感染症の早期診断のためのスマートフォンアプリケーションベースの新しいプラットフォームを提案する。 このアプリケーションは3つの診断方法を提供しており、起こりうる症状、うっ血の音、特定の血液マーカーを診断する。 われわれの機械学習モデルは、100%、95.65%、および77.59%の精度でコビッド19の患者を識別できる。
• 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 global coronavirus pandemic overwhelmed many health care systems, enforcing lockdown and encouraged work from home to control the spread of the virus and prevent overrunning of hospitalized patients. This prompted a sharp widespread use of telehealth to provide low-risk care for patients. Nevertheless, a continuous mutation into new variants and widespread unavailability of test kits, especially in developing countries, possess the challenge to control future potential waves of infection. In this paper, we propose a novel Smartphone application-based platform for early diagnosis of possible Covid-19 infected patients. The application provides three modes of diagnosis from possible symptoms, cough sound, and specific blood biomarkers. When a user chooses a particular setting and provides the necessary information, it sends the data to a trained machine learning (ML) model deployed in a remote server using the internet. The ML algorithm then predicts the possibility of contracting Covid-19 and sends the feedback to the user. The entire procedure takes place in real-time. Our machine learning models can identify Covid-19 patients with an accuracy of 100%, 95.65%, and 77.59% from blood parameters, cough sound, and symptoms respectively. Moreover, the ML sensitivity for blood and sound is 100%, which indicates correct identification of Covid positive patients. This is significant in limiting the spread of the virus. The multimodality offers multiplex diagnostic methods to better classify possible infectees and together with the instantaneous nature of our technique, demonstrates the power of telehealthcare as an easy and widespread low-cost scalable diagnostic solution for future pandemics.
• Abstract（参考訳）: 世界的な新型コロナウイルス(covid-19)パンデミックは、多くの医療システムを圧倒し、ロックダウンを強制し、在宅勤務を奨励した。 これにより遠隔医療が急速に普及し、患者に低リスクケアが提供された。 それにもかかわらず、新しい変種への継続的な突然変異と、特に発展途上国におけるテストキットの広範な利用不可能は、将来の感染の波を制御しようとする挑戦を持っている。 本稿では,Covid-19感染症の早期診断のための新しいスマートフォンアプリケーションプラットフォームを提案する。 このアプリケーションは、可能性のある症状、うっ血音、特定の血液マーカーから3つの診断方法を提供する。 ユーザが特定の設定を選択して必要な情報を提供すると、インターネットを使用してリモートサーバにデプロイされたトレーニングされた機械学習(ML)モデルにデータを送信する。 MLアルゴリズムは、Covid-19と契約する可能性を予測し、フィードバックをユーザに送信する。 手続き全体はリアルタイムで行われる。 われわれの機械学習モデルは、100%、95.65%、および77.59%の精度でコビッド19の患者を識別できる。 さらに、血液および音に対するML感度は100%であり、コビッド陽性患者の正しい同定を示す。 これはウイルスの拡散を制限する上で重要である。 マルチモーダリティ(multimodality, マルチモダリティ)は, 感染者の分類を改善するマルチプレックス診断手法を提供するとともに, 本手法の即時性とともに, 遠隔医療のパワーを, 将来のパンデミックに対する容易で広く普及する, スケーラブルな診断ソリューションとして実証する。

関連論文リスト

• Automatic Detection of COVID-19 from Chest X-ray Images Using Deep Learning Model [3.8329708057847305]
  コロナウイルス(2019-nCoV)は昨年から広く普及しており、世界中に波及している。 テストキットが限られているため、従来の手法で重篤な呼吸障害のある患者を検査するのも大変な作業である。 本稿では,ディープラーニングを用いた診断システムの有効性を示すモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-27T10:01:58Z)
• Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine Learning [2.737411991771932]
  新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。 本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
  論文  参考訳（メタデータ） (2023-11-01T13:57:33Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• 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)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Assessing Automated Machine Learning service to detect COVID-19 from X-Ray and CT images: A Real-time Smartphone Application case study [0.0]
  SARS COV-2の最近の流行は、非介入的で持続可能なAIソリューションを研究するユニークな機会を与えてくれた。 この研究は、COVID-19のようなパンデミックな状況に対して、MLベースの診断決定支援システムに反応するのに適したものだ。 この研究の主な目的の1つは、AIを利用したスマートフォンによるリアルタイムアプリケーションの性能を開発・評価することであった。
  論文  参考訳（メタデータ） (2020-10-03T23:18:05Z)
• COVID-19 in differential diagnosis of online symptom assessments [3.322985051936811]
  新型コロナウイルス(COVID-19)のパンデミックは、オンラインのヘルスケアソリューションを探している人たちの、すでに存在する傾向を拡大した。 従来の症状チェッカーは、柔軟で修正が難しい手作業による専門家システムに基づいている。 本稿では,従来のAIエキスパートシステムの強みと,新しいディープラーニングモデルを組み合わせたアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-07T18:10:42Z)
• 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)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)
• CovidAID: COVID-19 Detection Using Chest X-Ray [11.519253771314894]
  新型コロナウイルス(COVID-19)患者の指数的な増加は、世界中で圧倒的な医療システムである。 検査キットが限られているため、従来のRT-PCR(RT-PCR)を用いて、呼吸器疾患の全ての患者を検査することは不可能である。 RT-PCR検査において胸部X線を用いて患者の選択を優先する手法を提案する。 CovidAID: COVID-19 AI Detectorは、患者を適切な検査のためにトリアージするための、新しいディープニューラルネットワークベースのモデルである。
  論文  参考訳（メタデータ） (2020-04-21T08:02:52Z)

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。