論文の概要: Neural Networks for Infectious Diseases Detection: Prospects and
Challenges
- arxiv url: http://arxiv.org/abs/2112.03571v1
- Date: Tue, 7 Dec 2021 08:47:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-08 23:09:36.282777
- Title: Neural Networks for Infectious Diseases Detection: Prospects and
Challenges
- Title(参考訳): 感染症検出のためのニューラルネットワークの展望と課題
- Authors: Muhammad Azeem, Shumaila Javaid, Hamza Fahim and Nasir Saeed
- Abstract要約: 大量の生データを有用な医療判断に変換する人工知能ニューラルネットワーク(ANN)が、その人気を高めている。
本稿では,ANNが患者の医療決定と効率的な疾患診断に有意義な洞察を与える上で重要な役割について概説する。
- 参考スコア(独自算出の注目度): 5.246191964736366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial neural network (ANN) ability to learn, correct errors, and
transform a large amount of raw data into useful medical decisions for
treatment and care have increased its popularity for enhanced patient safety
and quality of care. Therefore, this paper reviews the critical role of ANNs in
providing valuable insights for patients' healthcare decisions and efficient
disease diagnosis. We thoroughly review different types of ANNs presented in
the existing literature that advanced ANNs adaptation for complex applications.
Moreover, we also investigate ANN's advances for various disease diagnoses and
treatments such as viral, skin, cancer, and COVID-19. Furthermore, we propose a
novel deep Convolutional Neural Network (CNN) model called ConXNet for
improving the detection accuracy of COVID-19 disease. ConXNet is trained and
tested using different datasets, and it achieves more than 97% detection
accuracy and precision, which is significantly better than existing models.
Finally, we highlight future research directions and challenges such as
complexity of the algorithms, insufficient available data, privacy and
security, and integration of biosensing with ANNs. These research directions
require considerable attention for improving the scope of ANNs for medical
diagnostic and treatment applications.
- Abstract(参考訳): 学習し、誤りを修正し、大量の生データを治療と治療のための有用な医療判断に変換する人工ニューラルネットワーク(ann)能力は、患者の安全性とケアの質を高めるために人気を高めている。
そこで本論文は,ANNが患者の医療決定と効率的な疾患診断に有用な洞察を提供する上で,重要な役割について述べる。
我々は、複雑なアプリケーションにANNを適応させる既存の文献で提示された様々な種類のANNを徹底的にレビューする。
さらに, ウイルス, 皮膚, 癌, COVID-19などの各種疾患診断および治療に対するANNの進歩についても検討した。
さらに、新型コロナウイルス感染症の検出精度を向上させるために、ConXNetと呼ばれる新しい深層畳み込みニューラルネットワーク(CNN)モデルを提案する。
ConXNetはさまざまなデータセットを使用してトレーニングとテストが行われ、97%以上の検出精度と精度を実現している。
最後に,アルゴリズムの複雑さ,利用可能なデータ不足,プライバシとセキュリティ,anとバイオセンシングの統合など,今後の研究の方向性と課題を強調する。
これらの研究の方向性は、医学的診断と治療のためのANNの範囲を改善するためにかなりの注意が必要である。
関連論文リスト
- An Interpretable Deep Learning Approach for Skin Cancer Categorization [0.0]
我々は、皮膚がん検出の問題に対処するために、現代のディープラーニング手法と説明可能な人工知能(XAI)アプローチを使用する。
皮膚病変の分類には,XceptionNet,EfficientNetV2S,InceptionResNetV2,EfficientNetV2Mの4つの最先端事前訓練モデルを用いる。
我々の研究は、ディープラーニングと説明可能な人工知能(XAI)が皮膚がんの診断をどのように改善するかを示している。
論文 参考訳(メタデータ) (2023-12-17T12:11:38Z) - Brain-Inspired Spiking Neural Networks for Industrial Fault Diagnosis: A
Survey, Challenges, and Opportunities [10.371337760495521]
Spiking Neural Network (SNN)は、Brainにインスパイアされたコンピューティングの原理に基づいている。
本稿では,SNNモデルの理論的進歩を体系的にレビューし,SNNとは何かという疑問に答える。
論文 参考訳(メタデータ) (2023-11-13T11:25:34Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳(メタデータ) (2023-05-25T16:29:16Z) - Investigating the Predictive Reproducibility of Federated Graph Neural
Networks using Medical Datasets [0.0]
本稿では、医用画像と脳接続データセットの分類に応用したフェデレーションGNNモデルの適用について検討する。
我々は,これらの医学的学習課題において,連合学習がGNNモデルの精度と精度を高めることを示した。
論文 参考訳(メタデータ) (2022-09-13T14:32:03Z) - 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) - Confidence Aware Neural Networks for Skin Cancer Detection [12.300911283520719]
画像からの皮膚癌検出における不確かさを定量化する3つの方法を提案する。
その結果, 予測不確実性推定手法は, リスクや誤予測を予測できることがわかった。
また、アンサンブルアプローチは推論によって不確実性を捉える上でより信頼性が高いことを示す。
論文 参考訳(メタデータ) (2021-07-19T19:21:57Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - 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) - Artificial Neural Network Based Breast Cancer Screening: A Comprehensive
Review [0.0]
本稿では,マンモグラフィによる乳癌の診断のための人工ニューラルネットワークモデルに関する文献を体系的にレビューする。
スパイキングニューラルネットワーク(SNN)、ディープ信頼ネットワーク(DBN)、畳み込みニューラルネットワーク(CNN)、多層ニューラルネットワーク(MLNN)、スタックドオートエンコーダ(SAE)、スタックドデノイズオートエンコーダ(SDAE)など、さまざまなANNモデルの利点と限界について述べる。
論文 参考訳(メタデータ) (2020-05-29T17:13:51Z)
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。