論文の概要: Predicting COVID-19 Patient Shielding: A Comprehensive Study

• arxiv url: http://arxiv.org/abs/2110.00183v1
• Date: Fri, 1 Oct 2021 03:02:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 01:24:29.456182
• Title: Predicting COVID-19 Patient Shielding: A Comprehensive Study
• Title（参考訳）: 新型コロナ患者の遮蔽を予想する研究
• Authors: Vithya Yogarajan and Jacob Montiel and Tony Smith and Bernhard Pfahringer
• Abstract要約: 本研究は、新型コロナウイルス患者の遮蔽を予測することに焦点を当てる。 我々は,多ラベル分類問題として,新型コロナウイルス患者の遮蔽を予測するための新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.0625089376654664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There are many ways machine learning and big data analytics are used in the fight against the COVID-19 pandemic, including predictions, risk management, diagnostics, and prevention. This study focuses on predicting COVID-19 patient shielding -- identifying and protecting patients who are clinically extremely vulnerable from coronavirus. This study focuses on techniques used for the multi-label classification of medical text. Using the information published by the United Kingdom NHS and the World Health Organisation, we present a novel approach to predicting COVID-19 patient shielding as a multi-label classification problem. We use publicly available, de-identified ICU medical text data for our experiments. The labels are derived from the published COVID-19 patient shielding data. We present an extensive comparison across 12 multi-label classifiers from the simple binary relevance to neural networks and the most recent transformers. To the best of our knowledge this is the first comprehensive study, where such a range of multi-label classifiers for medical text are considered. We highlight the benefits of various approaches, and argue that, for the task at hand, both predictive accuracy and processing time are essential.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミック対策には、予測、リスク管理、診断、予防など、機械学習とビッグデータ分析がさまざまな方法で使用されている。 本研究は、臨床的に極めて脆弱な患者を識別し、保護する新型コロナウイルス患者の遮蔽を予測することに焦点を当てている。 本研究は,医学文献のマルチラベル分類に使用する手法に注目した。 英国nhsと世界保健機関(who)が公表した情報を用いて、新型コロナウイルス患者の遮蔽をマルチラベル分類問題として予測する新しい手法を提案する。 実験にはicu医療用テキストデータを公開して公開しています。 ラベルは、新型コロナウイルス(covid-19)患者の遮蔽データに由来する。 ニューラルネットワークと最新のトランスフォーマーとの単純なバイナリ関連性から,12のマルチラベル分類器の比較を行った。 我々の知る限りでは、このような医学テキストの多ラベル分類器を考慮に入れた初めての総合的研究である。 我々は様々なアプローチの利点を強調し、目の前のタスクでは予測精度と処理時間の両方が不可欠であると主張する。

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)
• Predicting COVID-19 and pneumonia complications from admission texts [101.28793285063904]
  入院報告に基づき,肺炎やCOVID-19に罹患した患者に対するリスクアセスメントの新たなアプローチを提案する。 入院直後の入院報告などのテキストデータにLongformerニューラルネットワークを適用し,リスクスコアを算出した。
  論文  参考訳（メタデータ） (2023-05-05T16:28:44Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• Privacy-aware Early Detection of COVID-19 through Adversarial Training [8.722475705906206]
  新型コロナウイルスの早期発見は、潜在的な患者のトリアージ、モニタリング、一般的な健康評価に役立つ研究分野として進行中である。 さまざまな機械学習技術が、通常の臨床データを用いて新型コロナウイルスを検出するために文献で使用されている。 データ漏洩とこれらのモデルを使用する際の情報漏洩は、評判に悪影響を及ぼし、病院に法的問題を引き起こす可能性がある。
  論文  参考訳（メタデータ） (2022-01-09T13:08:11Z)
• Improving Clinical Document Understanding on COVID-19 Research with Spark NLP [0.0]
  世界的な新型コロナウイルスのパンデミックの後、ウイルスを研究する科学論文の数は大幅に増加しました。 これまでの取り組みを3つの方法で改善する臨床テキストマイニングシステムを紹介します。 まず、健康、解剖学、リスクファクター、有害事象の社会的決定要因を含む100以上の異なるエンティティタイプを認識することができます。 第2に、テキスト処理パイプラインは、アサーション状態検出を含み、患者以外の誰かの存在、欠如、条件付き、または、患者に関する臨床事実を区別する。
  論文  参考訳（メタデータ） (2020-12-07T19:17:05Z)
• A Review on Deep Learning Techniques for the Diagnosis of Novel Coronavirus (COVID-19) [9.750971289236826]
  新型コロナウイルスの流行率は、世界中で毎日急増している。 深層学習技術は、新型コロナウイルス(COVID-19)の自動診断に臨床医が使用する兵器において、強力なツールであることが証明された。
  論文  参考訳（メタデータ） (2020-08-09T02:37:50Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• 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)
• 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)

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。