論文の概要: Monkeypox virus detection using pre-trained deep learning-based approaches

• arxiv url: http://arxiv.org/abs/2209.04444v2
• Date: Sat, 17 Sep 2022 10:46:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 17:39:13.907197
• Title: Monkeypox virus detection using pre-trained deep learning-based approaches
• Title（参考訳）: 事前学習によるサルポックスウイルスの検出
• Authors: Chiranjibi Sitaula, Tej Bahadur Shahi
• Abstract要約: 世界中の新型コロナウイルス感染症(COVID-19)の減少に伴い、サルポックスウイルスは徐々に出現している。 広く普及する前に早期に発見することが重要である。 本稿では,モンキーポックスウイルス検出のための13種類の事前学習深層学習モデルを比較することを目的とする。
• 参考スコア（独自算出の注目度）: 1.713291434132985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monkeypox virus is emerging slowly with the decline of COVID-19 virus infections around the world. People are afraid of it, thinking that it would appear as a pandemic like COVID-19. As such, it is crucial to detect them earlier before widespread community transmission. AI-based detection could help identify them at the early stage. In this paper, we aim to compare 13 different pre-trained deep learning (DL) models for the Monkeypox virus detection. For this, we initially fine-tune them with the addition of universal custom layers for all of them and analyse the results using four well-established measures: Precision, Recall, F1-score, and Accuracy. After the identification of the best-performing DL models, we ensemble them to improve the overall performance using a majority voting over the probabilistic outputs obtained from them. We perform our experiments on a publicly available dataset, which results in average Precision, Recall, F1-score, and Accuracy of 85.44\%, 85.47\%, 85.40\%, and 87.13\%, respectively with the help of our proposed ensemble approach. These encouraging results, which outperform the state-of-the-art methods, suggest that the proposed approach is applicable to health practitioners for mass screening.
• Abstract（参考訳）: 世界中の新型コロナウイルス感染症の減少に伴い、サルポックスウイルスは徐々に出現している。 新型コロナウイルス(COVID-19)のようなパンデミックのように見えると、人々は恐れています。 そのため,広く普及する前に早期に検出することが重要である。 AIに基づく検出は、早期にそれらを特定するのに役立つかもしれない。 本稿では,サルポックスウイルス検出のための13種類の学習済み深層学習モデルを比較することを目的とした。 そのため、最初はこれらすべてにユニバーサルなカスタムレイヤを追加して微調整を行い、精度、リコール、F1スコア、正確さの4つの確立した尺度を用いて結果を分析します。 最良性能のDLモデルを特定した後、確率的出力に対する過半数投票を用いて、それらをアンサンブルして全体の性能を改善する。 提案したアンサンブルアプローチの助けを借りて,公開データセット上で実験を行い,平均精度85.44\%,85.47\%,85.40\%,87.13\%の精度を実現した。 これらの奨励的な結果は最先端の手法よりも優れており、提案手法はマススクリーニングの医療従事者に適用できることが示唆された。

関連論文リスト

• Bayesian Networks and Machine Learning for COVID-19 Severity Explanation and Demographic Symptom Classification [12.40025057417184]
  新型コロナウイルスの隠れた情報を蒸留する3段階のデータ駆動方式を提案する。 第1段階では、バイエルンネットワーク構造学習法を用いて、新型コロナウイルスの症状の因果関係を同定する。 第2段階として、アウトプットは教師なし機械学習(ML)アルゴリズムをトレーニングするための有用なガイドとして機能する。 最終段階は、クラスタリングから得られたラベルを活用して、人口統計学的症状識別モデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-06-16T05:43:24Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Symptom-based Machine Learning Models for the Early Detection of COVID-19: A Narrative Review [0.0]
  機械学習モデルは、患者の報告した症状、臨床データ、医療画像などを取り入れて、大規模なデータセットを分析することができる。 本稿では、その性能と限界を含む、COVID-19を予測するための症状のみの機械学習モデルの概要について概説する。 また、画像ベースモデルと比較して、症状ベースのモデルの性能についても検討する。
  論文  参考訳（メタデータ） (2023-12-08T01:41:42Z)
• Dense Feature Memory Augmented Transformers for COVID-19 Vaccination Search Classification [60.49594822215981]
  本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。 本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。 この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-12-16T13:57:41Z)
• Dive into Machine Learning Algorithms for Influenza Virus Host Prediction with Hemagglutinin Sequences [4.289396744209968]
  インフルエンザウイルスは急速に変異し、公衆衛生、特に脆弱な集団に脅威をもたらす可能性がある。 近年,機械学習アルゴリズムによるウイルス配列の高速かつ正確な予測への関心が高まっている。 本研究では,さまざまな分類レベルで機械学習アルゴリズムを評価するために,実検定データセットと各種評価指標を用いた。
  論文  参考訳（メタデータ） (2022-07-28T00:54:54Z)
• Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study [1.9395755884693817]
  最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。 サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。 深層学習法は皮膚病変の自動検出に有効である。
  論文  参考訳（メタデータ） (2022-07-06T09:09:28Z)
• Image Data collection and implementation of deep learning-based model in detecting Monkeypox disease using modified VGG16 [0.0]
  新たに開発された"Monkeypox2022"データセットを紹介します。 研究1と2の2つの異なる研究を含む改良VGG16モデルを提案し評価する。 検討の結果,サルポックス患者を9.7pm1.8%の精度で同定できることが示唆された。
  論文  参考訳（メタデータ） (2022-06-04T00:34:15Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• 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)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。