論文の概要: A Crowdsourced Contact Tracing Model to Detect COVID-19 Patients using Smartphones

• arxiv url: http://arxiv.org/abs/2112.01244v1
• Date: Wed, 17 Nov 2021 19:56:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-07 21:17:53.287250
• Title: A Crowdsourced Contact Tracing Model to Detect COVID-19 Patients using Smartphones
• Title（参考訳）: スマートフォンを用いた新型コロナウイルス検出のためのクラウドソーシング接触追跡モデル
• Authors: Linta Islam, Mafizur Rahman, Nabila Ahmad, Tasnia Sharmin, Jannatul Ferdous Sorna
• Abstract要約: このモデルは、モバイルクラウドソーシングを使用したロケーションベースの新型コロナウイルス患者識別のために定式化されている。 脆弱性のある地域の他のユーザーには、安全のため6フィートまたは1.8メートルの距離に留まるよう通知する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Millions of people have died all across the world because of the COVID-19 outbreak. Researchers worldwide are working together and facing many challenges to bring out the proper vaccines to prevent this infectious virus. Therefore, in this study, a system has been designed which will be adequate to stop the outbreak of COVID-19 by spreading awareness of the COVID-19 infected patient situated area. The model has been formulated for Location base COVID-19 patient identification using mobile crowdsourcing. In this system, the government will update the information about inflected COVID-19 patients. It will notify other users in the vulnerable area to stay at 6 feet or 1.8-meter distance to remain safe. We utilized the Haversine formula and circle formula to generate the unsafe area. Ten thousand valid information has been collected to support the results of this research. The algorithm is tested for 10 test cases every time, and the datasets are increased by 1000. The run time of that algorithm is growing linearly. Thus, we can say that the proposed algorithm can run in polynomial time. The algorithm's correctness is also being tested where it is found that the proposed algorithm is correct and efficient. We also implement the system, and the application is evaluated by taking feedback from users. Thus, people can use our system to keep themselves in a safe area and decrease COVID patients' rate.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)の感染拡大で世界中で数百万人が死亡した。 世界中の研究者が協力し、この感染症を防ぐために適切なワクチンを提供する多くの課題に直面している。 そこで,本研究では,新型コロナウイルス感染地域に対する意識を広めることによって,新型コロナウイルスの感染予防に十分なシステムを構築した。 このモデルは、モバイルクラウドソーシングによる新型コロナウイルス(covid-19)患者の位置識別のために定式化されている。 このシステムでは、政府は感染した新型コロナウイルス患者の情報を更新する。 脆弱性のある地域の他のユーザーには、安全のため6フィートまたは1.8メートルの距離に留まるよう通知する。 我々はハベルシン公式と円公式を用いて安全でない領域を生成する。 この研究結果を裏付ける有効な情報が1万件も集められている。 アルゴリズムは毎回10のテストケースでテストされ、データセットは1000に増加する。 そのアルゴリズムの実行時間は線形に伸びている。 したがって、提案アルゴリズムは多項式時間で実行可能であると言える。 アルゴリズムの正確性もテストされ、提案手法が正確かつ効率的であることが判明した。 また,本システムを実装し,ユーザからのフィードバックを得て評価を行う。 これにより、当システムを利用して安全な地域を保ち、患者の感染率を下げることができる。

関連論文リスト

• Protect Your Score: Contact Tracing With Differential Privacy Guarantees [68.53998103087508]
  プライバシーに関する懸念は、現在展開を控えている、と私たちは主張する。 本稿では,この攻撃に対して異なるプライバシー保証を有する接触追跡アルゴリズムを提案する。 特に現実的な検査シナリオでは,ウイルス感染率の2倍から10倍の低下を実現している。
  論文  参考訳（メタデータ） (2023-12-18T11:16:33Z)
• TsFeX: Contact Tracing Model using Time Series Feature Extraction and Gradient Boosting [0.0]
  本研究は、新型コロナウイルスに感染した他人と接触した可能性がある個人を識別する自動機械学習システムを提案する。 本稿では、感染した人物に近づいたかどうかを効果的に予測する最適解モデルにたどり着く際のアプローチについて述べる。
  論文  参考訳（メタデータ） (2021-11-29T11:12:38Z)
• 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)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• Uncertainty-Aware Semi-supervised Method using Large Unlabelled and Limited Labeled COVID-19 Data [14.530328267425638]
  新型コロナウイルス自動検出のための限定ラベルデータ(SCLLD)を用いた半監視分類を提案する。 提案システムは,近江病院から収集した1万個のCTスキャンを用いて訓練する。 本手法は,ラベル付きトレーニングデータが少ない場合に,Convolutional Neural Network (CNN) の教師付きトレーニングを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-02-12T08:20:20Z)
• FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
  新型コロナウイルスの感染拡大で医療資源が不足している。 新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。 患者のプライバシー上の懸念から、データそのものはまだ乏しい。 我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
  論文  参考訳（メタデータ） (2021-02-10T01:56:58Z)
• Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
  半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。 我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
  論文  参考訳（メタデータ） (2020-10-10T19:33:53Z)
• Estimating COVID-19 cases and outbreaks on-stream through phone-calls [0.0]
  そこで本稿では,電話から電話回線へのデータを用いて,オンデマンドで新型コロナウイルス感染者数を推定するアルゴリズムを提案する。 我々は、このアルゴリズムを使って疫病をオンデマンドで追跡する方法を示し、実験結果に先立ってアウトブレイク警報(Early Outbreak Alarm)を提示する。
  論文  参考訳（メタデータ） (2020-10-10T15:44:05Z)
• A Partially Observable MDP Approach for Sequential Testing for Infectious Diseases such as COVID-19 [29.84897273754802]
  本研究では,制約付き逐次学習に基づく資源配分問題として,テスト問題をキャストできることを示す。 そして、感染した個体数を最小化する効率的な学習戦略を開発する。
  論文  参考訳（メタデータ） (2020-07-25T22:13:37Z)
• 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-19 Screening Using Residual Attention Network an Artificial Intelligence Approach [2.6520663596293437]
  新型コロナウイルスは現在200カ国以上で600万人が感染している。 人工知能を用いた新型コロナウイルススクリーニング手法を提案する。 私たちの技術は、患者のウイルスの存在を確認するのにほんの数秒しかかからない。
  論文  参考訳（メタデータ） (2020-06-26T16:33:01Z)

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。