論文の概要: Frequency comb and machine learning-based breath analysis for COVID-19
classification
- arxiv url: http://arxiv.org/abs/2202.02321v1
- Date: Fri, 4 Feb 2022 05:58:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-08 18:42:10.247066
- Title: Frequency comb and machine learning-based breath analysis for COVID-19
classification
- Title(参考訳): COVID-19分類のための周波数コムと機械学習による呼吸分析
- Authors: Qizhong Liang, Ya-Chu Chan, Jutta Toscano, Kristen K. Bjorkman, Leslie
A. Leinwand, Roy Parker, David J. Nesbitt, Jun Ye
- Abstract要約: 本研究では,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法を提案する。
コロラド大学における170個のサンプルを用いて, 受信-操作-特性曲線 0.849(4) のクロスバリデーション領域を報告した。
喫煙や腹痛などの他の変数と同様に,男性と女性の呼吸に有意な差が認められた。
- 参考スコア(独自算出の注目度): 0.6113111451963646
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human breath contains hundreds of volatile molecules that can provide
powerful, non-intrusive spectral diagnosis of a diverse set of diseases and
physiological/metabolic states. To unleash this tremendous potential for
medical science, we present a robust analytical method that simultaneously
measures tens of thousands of spectral features in each breath sample, followed
by efficient and detail-specific multivariate data analysis for unambiguous
binary medical response classification. We combine mid-infrared cavity-enhanced
direct frequency comb spectroscopy (CE-DFCS), capable of real-time collection
of tens of thousands of distinct molecular features at parts-per-trillion
sensitivity, with supervised machine learning, capable of analysis and
verification of extremely high-dimensional input data channels. Here, we
present the first application of this method to the breath detection of
Coronavirus Disease 2019 (COVID-19). Using 170 individual samples at the
University of Colorado, we report a cross-validated area under the
Receiver-Operating-Characteristics curve of 0.849(4), providing excellent
prediction performance. Further, this method detected a significant difference
between male and female breath as well as other variables such as smoking and
abdominal pain. Together, these highlight the utility of CE-DFCS for rapid,
non-invasive detection of diverse biological conditions and disease states. The
unique properties of frequency comb spectroscopy thus help establish precise
digital spectral fingerprints for building accurate databases and provide means
for simultaneous multi-response classifications. The predictive power can be
further enhanced with readily scalable comb spectral coverage.
- Abstract(参考訳): ヒトの呼吸には何百もの揮発性分子が含まれており、多様な疾患や生理・代謝状態の強力なスペクトル診断を提供することができる。
本研究は,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法と,非曖昧なバイナリ医療応答分類のための効率的かつ詳細な多変量データ解析手法を提案する。
超高次元入力データチャネルの解析と検証が可能な教師付き機械学習と、部品毎の感度で数万の異なる分子の特徴をリアルタイムに収集できる中赤外キャビティ・エンハンスド直接周波数コム分光(ce-dfcs)を組み合わせる。
本稿では,この方法のコロナウイルス病2019(COVID-19)の呼吸検出への応用について紹介する。
コロラド大学における170個の個別サンプルを用いて,受信特性曲線 0.849(4) の下でのクロスバリデーション領域を報告し,優れた予測性能を示した。
さらに, 喫煙や腹痛などの他の要因と同様に, 男女の呼吸に有意な差が認められた。
これらとともに、CE-DFCSの多様な生物学的状態と疾患状態の迅速かつ非侵襲的な検出に有用であることを示す。
周波数コム分光のユニークな性質は、正確なデータベースを構築するための正確なデジタルスペクトル指紋を確立し、同時に多重応答分類を行う手段を提供するのに役立つ。
予測パワーは、容易にスケーラブルなコムスペクトルカバレッジでさらに拡張することができる。
関連論文リスト
- Audio-Based Classification of Respiratory Diseases using Advanced Signal
Processing and Machine Learning for Assistive Diagnosis Support [1.9049294570026933]
我々の研究は、機械学習モデルをトレーニングするために、呼吸音の医用データベースとして最大規模のものを採用することに焦点を当てている。
実験モード分解とスペクトル分析を用いて,音響データから生理的関連バイオシグナーを抽出する。
健常者と疾患の鑑別において,バランスの取れた精度が87%のバイナリ分類モデルを用いている。
論文 参考訳(メタデータ) (2023-09-12T23:54:00Z) - COVID-19 Detection System: A Comparative Analysis of System Performance
Based on Acoustic Features of Cough Audio Signals [0.7826806223782052]
研究は、新型コロナウイルス検出における機械学習(ML)モデルの性能を高める様々な音響特性を検討することを目的としている。
本研究では,Mel Frequency Cepstral Coefficients (MFCC), Chroma, Spectral Contrastの3つの特徴抽出手法の有効性について,SVM(Support Vector Machine)とMLP(Multilayer Perceptron)の2つのMLアルゴリズムを用いて検討した。
提案システムは,新型コロナウイルス検出のためのCOUGHVIDおよびVirufyデータセット上での最先端の分類性能を示す。
論文 参考訳(メタデータ) (2023-09-08T08:33:24Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳(メタデータ) (2022-09-05T16:38:13Z) - Improving the diagnosis of breast cancer based on biophysical ultrasound
features utilizing machine learning [0.0]
乳がん検出のための生物物理学的特徴に基づく機械学習手法を提案する。
以上より, 乳腺病変のタイプとサイズは, 分類では98.0%, 操作特性曲線では0.98以上であった。
論文 参考訳(メタデータ) (2022-07-13T23:53:09Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Machine Intelligence-Driven Classification of Cancer Patients-Derived
Extracellular Vesicles using Fluorescence Correlation Spectroscopy: Results
from a Pilot Study [0.0]
我々は、がん患者血液由来のEVを時間分解分光法と人工知能に結合させることで、がんスクリーニングと追跡ツールを堅牢に提供できると予測した。
我々のパイロット研究は、AIアルゴリズムと時間分解型FCSパワースペクトルが、異なるがんサンプルから複雑な患者由来EVを正確に、微分的に分類できることを実証した。
論文 参考訳(メタデータ) (2022-02-01T15:46:36Z) - 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) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳(メタデータ) (2021-05-06T10:21:28Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Fast and automated biomarker detection in breath samples with machine
learning [1.2026897155625271]
ヒトの呼吸中の揮発性有機化合物(VOC)は、様々な健康状態を明らかにすることができる。
ガスクロマトグラフィー質量分析法(GC-MS)はVOCの測定に用いられているが、その応用は専門家主導のデータ分析によって制限されている。
本稿では, VOCを学習し, 自動検出するディープラーニングパターン認識機能を活用したGC-MSデータ解析システムを提案する。
論文 参考訳(メタデータ) (2020-05-24T11:44:28Z)
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。