論文の概要: Using Deep Learning with Large Aggregated Datasets for COVID-19 Classification from Cough

• arxiv url: http://arxiv.org/abs/2201.01669v1
• Date: Wed, 5 Jan 2022 15:49:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-06 14:54:55.512910
• Title: Using Deep Learning with Large Aggregated Datasets for COVID-19 Classification from Cough
• Title（参考訳）: 大規模集合データセットを用いた深層学習によるCoughからのCOVID-19分類
• Authors: Esin Darici, Nicholas Rasmussen, Jennifer Ranjani J., Jaclyn Xiao, Gunvant Chaudhari, Akanksha Rajput, Praveen Govindan, Minami Yamaura, Laura Gomezjurado, Amil Khanzada, Mert Pilanci
• Abstract要約: 新型コロナウイルスのパンデミックにより、世界中で500万人以上の人々が命を落としている。 従来の薬品を入手できない地域では、安価なスクリーニング技術が明らかに必要である。 本稿では,最大評価データセット上で比較的優れたパーフォルマンスを達成した複数のモデルについて述べる。
• 参考スコア（独自算出の注目度）: 12.92416185399049
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Covid-19 pandemic has been a scourge upon humanity, claiming the lives of more than 5 million people worldwide. Although vaccines are being distributed worldwide, there is an apparent need for affordable screening techniques to serve parts of the world that do not have access to traditional medicine. Artificial Intelligence can provide a solution utilizing cough sounds as the primary screening mode. This paper presents multiple models that have achieved relatively respectable perfor mance on the largest evaluation dataset currently presented in academic literature. Moreover, we also show that performance increases with training data size, showing the need for the world wide collection of data to help combat the Covid-19 pandemic with non-traditional means.
• Abstract（参考訳）: コビッドウイルスのパンデミックは、世界中で500万人以上の人々が暮らしていると主張し、人類を苦しめている。 ワクチンは世界中で配布されているが、従来の医療にアクセスできない地域向けに安価なスクリーニング技術が必要であることは明らかである。 人工知能は、粗音を主スクリーニングモードとして利用するソリューションを提供することができる。 本稿では,現在学術文献で提示されている最大の評価データセットにおいて,比較的高いパーフォーマンスを達成した複数のモデルを提案する。 さらに、トレーニングデータサイズによってパフォーマンスが向上し、非伝統的な手段でCovid-19パンデミックと戦うために、世界中のデータ収集の必要性が示される。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• A Transfer Learning Based Approach for Classification of COVID-19 and Pneumonia in CT Scan Imaging [0.0]
  世界は依然として新型コロナウイルス(COVID-19)の感染拡大に圧倒されている。2021年11月時点の感染者は2億5000万人を超え、219か国、領土に影響を及ぼし、世界はパンデミック期にある。 本研究は、COVID-19肺炎患者、細菌性肺炎、ウイルス性肺炎、健康な(正常な)患者を分類するためのディープラーニングに基づくアプローチを提案することを目的とする。 提案手法は, 実装コストを低減し, 地理的に異なる地域, 特に農村部, 開発地域において容易に実装, 利用できるように, 意図的に単純化されている。
  論文  参考訳（メタデータ） (2022-10-17T20:08:41Z)
• 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)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• Repurposing TREC-COVID Annotations to Answer the Key Questions of CORD-19 [4.847073702809032]
  新型コロナウイルス感染症(COVID-19)は2019年後半に中国武漢で発生し、これまでに全世界で1400万人以上が感染している。 ホワイトハウスは、さまざまな新型コロナウイルスに関連する20万件以上の雑誌をまとめ、コーパスに関する重要な質問に回答するようコミュニティに指示した。 我々は, TREC-COVIDタスクの関連アノテーションを再利用して, CORD-19が提起する重要な問題に関連するCORD-19のジャーナル記事を特定することにした。
  論文  参考訳（メタデータ） (2020-08-27T19:51:07Z)
• Blockchain-Federated-Learning and Deep Learning Models for COVID-19 detection using CT Imaging [8.280858576611587]
  新型コロナウイルスの患者を診断する主な問題は、検査キットの不足と信頼性である。 第2の現実の問題は、世界中の病院間でデータを共有することだ。 第3に,ブロックチェーン技術を用いてグローバルモデルを協調的にトレーニングする手法を設計する。
  論文  参考訳（メタデータ） (2020-07-10T11:23:14Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Convolutional Sparse Support Estimator Based Covid-19 Recognition from X-ray Images [23.579399360004786]
  コロナウイルス(Covid-19)は、2019年12月に視認されて以来、世界中の主要な議題となっている。 X線イメージングは、Covid-19の診断に大きな可能性を持つ、一般的で容易にアクセスできるツールである。 この領域における最近の研究は、トレーニングに利用可能な限られたデータセットのため、あまり満足できない結果を生み出した。
  論文  参考訳（メタデータ） (2020-05-08T13:11:40Z)
• 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)
• 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。