論文の概要: An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF
Mass Spectrometry
- arxiv url: http://arxiv.org/abs/2109.14099v3
- Date: Tue, 23 May 2023 18:56:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 03:40:40.780484
- Title: An Explainable-AI approach for Diagnosis of COVID-19 using MALDI-ToF
Mass Spectrometry
- Title（参考訳）: maldi-tof質量分析法によるcovid-19診断のための説明可能なaiアプローチ
- Authors: Venkata Devesh Reddy Seethi, Zane LaCasse, Prajkta Chivte, Joshua
Bland, Shrihari S. Kadkol, Elizabeth R. Gaillard, Pratool Bharti, Hamed
Alhoori
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.9250974571641537
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The severe acute respiratory syndrome coronavirus type-2 (SARS-CoV-2) caused
a global pandemic and immensely affected the global economy. Accurate,
cost-effective, and quick tests have proven substantial in identifying infected
people and mitigating the spread. Recently, multiple alternative platforms for
testing coronavirus disease 2019 (COVID-19) have been published that show high
agreement with current gold standard real-time polymerase chain reaction
(RT-PCR) results. These new methods do away with nasopharyngeal (NP) swabs,
eliminate the need for complicated reagents, and reduce the burden on RT-PCR
test reagent supply. In the present work, we have designed an artificial
intelligence-based (AI) testing method to provide confidence in the results.
Current AI applications for COVID-19 studies often lack a biological foundation
in the decision-making process, and our AI approach is one of the earliest to
leverage explainable AI (X-AI) algorithms for COVID-19 diagnosis using mass
spectrometry. Here, we have employed X-AI to explain the decision-making
process on a local (per-sample) and global (all samples) basis underscored by
biologically relevant features. We evaluated our technique with data extracted
from human gargle samples and achieved a testing accuracy of 94.12%. Such
techniques would strengthen the relationship between AI and clinical
diagnostics by providing biomedical researchers and healthcare workers with
trustworthy and, most importantly, explainable test results
- Abstract（参考訳）: 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。
正確な、費用対効果、迅速な検査は、感染した人々を同定し、感染拡大を緩和する上で大きな効果がある。
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。
我々のAIアプローチは、質量分析を用いて新型コロナウイルスの診断に説明可能なAI(X-AI)アルゴリズムを利用した最も初期のもののひとつです。
本稿では,X-AIを用いて局所的(サンプルごと)とグローバル的(全サンプルごと)の意思決定プロセスについて,生物学的に関連性のある特徴をベースとした説明を行った。
本手法をヒトガーグル標本から抽出したデータを用いて評価し,94.12%の精度を得た。
このような技術は、バイオメディカル研究者と医療従事者に信頼性と説明可能なテスト結果を提供することによって、AIと臨床診断の関係を強化する。
関連論文リスト
- COVID-19 Detection Based on Blood Test Parameters using Various Artificial Intelligence Methods [1.2408125305560274]
2019年には、新型コロナウイルスによる新型コロナウイルス感染症SARS-CoV-2(SARS-CoV-2)という新たな課題に直面した。
本研究は、自己分類分類器を用いて、さまざまなAI手法を用いて、新型コロナウイルス患者と他者とを区別することを目的とした。
論文 参考訳（メタデータ） (2024-04-02T22:49:25Z) - Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology:
AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。
本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
論文 参考訳（メタデータ） (2022-02-17T08:33:52Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Development of a Risk-Free COVID-19 Screening Algorithm from Routine
Blood Tests Using Ensemble Machine Learning [0.0]
キットの不足とコストが原因で、多くの人々が感染し、検査前に回復または死亡している。
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。
論文 参考訳（メタデータ） (2021-08-12T11:01:53Z) - 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) - 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) - Automated Detection and Forecasting of COVID-19 using Deep Learning
Techniques: A Review [10.153806948106684]
コロナウイルス(Coronavirus、COVID-19)は、世界中の多くの人々の健康を危険にさらす病気である。
高速かつ正確な診断のために,X線およびCT画像モダリティが広く用いられている。
ディープラーニング(DL)ネットワークは最近、従来の機械学習(ML)と比較して人気を博している。
論文 参考訳（メタデータ） (2020-07-16T16:04:17Z) - 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) - 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) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。