Fugu-MT 論文翻訳(概要): Frequency comb and machine learning-based breath analysis for COVID-19 classification

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

On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
論文参考訳（メタデータ） (2024-08-27T18:29:47Z)
Detecting and clustering swallow events in esophageal long-term high-resolution manometry [48.688209040613216]
深達度学習に基づく飲み込み検出法を提案し, 二次性非解離性食道運動障害を正確に同定する。われわれは,25 LTHRMで計算パイプラインを評価し,医療専門家の注意を喚起した。
論文参考訳（メタデータ） (2024-05-02T09:41:31Z)
Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。各種呼吸状態の分類に機械学習モデルを訓練する。本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
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 [0.6963971634605796]
本研究は、新型コロナウイルス検出における機械学習(ML)モデルの性能向上を図ることを目的としている。 MFCC(Mel Frequency Cepstral Coefficients)、クロマ(Chroma)、スペクトルコントラスト(Spectral Contrast)の3つの特徴抽出手法の有効性について検討し、2つの機械学習アルゴリズム、SVM(Support Vector Machine)とMLP(Multilayer Perceptron)に適用した。提案システムでは,COUGHVIDデータセットでは0.843,Virufyでは0.953,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)
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。