Fugu-MT 論文翻訳(概要): A Summary of the ComParE COVID-19 Challenges

論文の概要: A Summary of the ComParE COVID-19 Challenges

arxiv url: http://arxiv.org/abs/2202.08981v1
Date: Thu, 17 Feb 2022 18:50:20 GMT
ステータス: 処理完了
システム内更新日: 2022-02-22 00:52:02.383075
Title: A Summary of the ComParE COVID-19 Challenges
Title（参考訳）: ComParE COVID-19チャレンジの概要
Authors: Harry Coppock, Alican Akman, Christian Bergler, Maurice Gerczuk, Chlo\"e Brown, Jagmohan Chauhan, Andreas Grammenos, Apinan Hasthanasombat, Dimitris Spathis, Tong Xia, Pietro Cicuta, Jing Han, Shahin Amiriparian, Alice Baird, Lukas Stappen, Sandra Ottl, Panagiotis Tzirakis, Anton Batliner, Cecilia Mascolo, Bj\"orn W. Schuller
Abstract要約: InterSPEECH 2021 Paralinguistics Challenges: COVID-19 Cough, (CCS) and COVID-19 Speech, (CSS) の結果の概要を述べる。機械学習分野からの1つの道は、感染した個人の呼吸音から新型コロナウイルスを検出するデジタルマステストの見通しである。
参考スコア（独自算出の注目度）: 34.6136469222737
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The COVID-19 pandemic has caused massive humanitarian and economic damage. Teams of scientists from a broad range of disciplines have searched for methods to help governments and communities combat the disease. One avenue from the machine learning field which has been explored is the prospect of a digital mass test which can detect COVID-19 from infected individuals' respiratory sounds. We present a summary of the results from the INTERSPEECH 2021 Computational Paralinguistics Challenges: COVID-19 Cough, (CCS) and COVID-19 Speech, (CSS).
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、人道と経済に大きな被害をもたらした。さまざまな分野の科学者チームが、政府やコミュニティが病気と戦うのを助ける方法を模索している。研究されている機械学習分野からの1つの道は、感染した人の呼吸音から新型コロナウイルスを検出するデジタル質量テストの展望である。我々は,InterSPEECH 2021 Computational Paralinguistics Challenges: COVID-19 Cough, (CCS) and COVID-19 Speech, (CSS)の結果の概要を述べる。

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)
Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。 COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文参考訳（メタデータ） (2021-07-30T10:59:08Z)
Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC [1.9659095632676098]
本稿では,Mel-Frequency Cepstral Coefficients (MFCCs) の抽出における音声信号処理の重要性について述べる。以上の結果から、MFCCは新型コロナウイルスと非新型コロナウイルスの検体の間ではより堅牢であるのに対し、異なる新型コロナウイルスの発声音と呼吸音との間には高い類似性があることが判明した。
論文参考訳（メタデータ） (2020-10-17T11:38:05Z)
IVACS: Intelligent Voice Assistant for Coronavirus Disease (COVID-19) Self-Assessment [0.9449650062296824]
新型コロナウイルス自己診断(IVACS)のためのインテリジェント音声ベースアシスタントを提案する。このインタラクティブアシスタントは、CDC(Centers for Disease Control and Prevention)とWHO(World Health Organization)のガイドラインを用いて、新型コロナウイルス関連の症状を診断するために構築されている。
論文参考訳（メタデータ） (2020-09-06T08:48:08Z)
Clustering COVID-19 Lung Scans [3.5447971809011882]
グループは、新型コロナウイルス、ウイルス性肺炎、健康な人の肺がんのデータセットを調査するために、教師なしのクラスタリング技術を適用した。本手法は,非監視的クラスタリングアルゴリズムが,新型コロナウイルスと他の呼吸器疾患の隠れた重要な違いを明らかにする必要がある可能性を探るものである。
論文参考訳（メタデータ） (2020-09-05T00:21:13Z)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
A Survey on Applications of Artificial Intelligence in Fighting Against COVID-19 [75.84689958489724]
SARS-CoV-2ウイルスによる新型コロナウイルスのパンデミックは世界中で急速に広がり、世界的な感染拡大につながっている。新型コロナウイルス対策の強力なツールとして、人工知能(AI)技術はこのパンデミックに対抗するために広く利用されている。この調査では、新型コロナウイルス対策におけるAIテクノロジの既存および潜在的応用に関する包括的見解を、医療とAI研究者に提示する。
論文参考訳（メタデータ） (2020-07-04T22:48:15Z)
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)
Computer Vision For COVID-19 Control: A Survey [10.032488704661903]
新型コロナウイルス(COVID-19)のパンデミックは、人口に対する大きな脅威との戦いに、緊急に貢献する必要性を喚起している。人工知能のサブフィールドとしてのコンピュータビジョンは、医療における様々な複雑な問題の解決に成功している。本調査は、新型コロナウイルスのパンデミックに対するコンピュータビジョンの取り組みについて、利用可能な文献の予備的なレビューを提供することを目的としている。
論文参考訳（メタデータ） (2020-04-15T05:43:52Z)

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。