論文の概要: A large-scale and PCR-referenced vocal audio dataset for COVID-19
- arxiv url: http://arxiv.org/abs/2212.07738v4
- Date: Fri, 3 Nov 2023 11:28:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2023-11-06 18:31:48.711010
- Title: A large-scale and PCR-referenced vocal audio dataset for COVID-19
- Title（参考訳）: COVID-19の大規模およびPCRによる音声データセット
- Abstract要約: イギリス保健安全庁は、2021年3月から2022年3月までの英国におけるテスト・アンド・トレースプログラムとREACT-1サーベイを通じて、自発的な参加者を募集した。
新型コロナウイルス対策」のデジタルサーベイでは、インフルエンザの鳴き声、吐き声、スピーチの音声記録が収集された。
このデータセットでは、11.30%の参加者が喘息を報告している。
- 参考スコア（独自算出の注目度）: 29.40538927182366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The UK COVID-19 Vocal Audio Dataset is designed for the training and
evaluation of machine learning models that classify SARS-CoV-2 infection status
or associated respiratory symptoms using vocal audio. The UK Health Security
Agency recruited voluntary participants through the national Test and Trace
programme and the REACT-1 survey in England from March 2021 to March 2022,
during dominant transmission of the Alpha and Delta SARS-CoV-2 variants and
some Omicron variant sublineages. Audio recordings of volitional coughs,
exhalations, and speech were collected in the 'Speak up to help beat
coronavirus' digital survey alongside demographic, self-reported symptom and
respiratory condition data, and linked to SARS-CoV-2 test results. The UK
COVID-19 Vocal Audio Dataset represents the largest collection of SARS-CoV-2
PCR-referenced audio recordings to date. PCR results were linked to 70,794 of
72,999 participants and 24,155 of 25,776 positive cases. Respiratory symptoms
were reported by 45.62% of participants. This dataset has additional potential
uses for bioacoustics research, with 11.30% participants reporting asthma, and
27.20% with linked influenza PCR test results.
- Abstract（参考訳）: 英国のCOVID-19 Vocal Audio Datasetは、SARS-CoV-2感染状況や関連する呼吸器症状を音声で分類する機械学習モデルのトレーニングと評価を目的として設計されている。
イギリス保健保安庁(英語版)は2021年3月から2022年3月までイギリスにおいて、アルファとデルタsars-cov-2の変種といくつかのomicron変種が優占された際に、テスト・トレースプログラムとreact-1調査を通じて自発的な参加者を募集した。
SARS-CoV-2(SARS-CoV-2)試験結果と相関し, 自己申告症状, 呼吸状態データとともに, 音声記録, 吐き気, 発声の音声記録を「Speak up to beat coronavirus」デジタル調査で収集した。
英国の新型コロナウイルス(COVID-19)Vocal Audio DatasetはSARS-CoV-2 PCR参照オーディオ記録の最大コレクションである。
PCRの結果は72,999人中70,794人,25,776人中24,155人であった。
呼吸器症状は45.62%であった。
このデータセットは、11.30%の参加者が喘息を報告し、27.20%がインフルエンザPCR検査の結果である。
関連論文リスト
- Coswara: A respiratory sounds and symptoms dataset for remote screening
of SARS-CoV-2 infection [23.789227109218118]
本稿では,多種多様な呼吸音と豊富なメタデータを含むデータセットであるCosharaデータセットについて述べる。
呼吸音は, 呼吸, きず, 発声の変種に関連する9つの音カテゴリーを含む。
本稿では,データ収集手順,人口統計,症状,音声データ情報について要約する。
論文 参考訳（メタデータ） (2023-05-22T06:09:10Z) - Audio-based AI classifiers show no evidence of improved COVID-19
screening over simple symptoms checkers [37.085063562292845]
関連メタデータを用いた67,842人の音声記録のデータセットを収集,分析した。
被験者は、英国政府のNational Health Service Test-and-Trace ProgramとReal-time Assessment of Community Transmissionサーベイを通じて募集された。
データセットのAI分類器の非調整分析では、SARS-CoV-2感染状況が高精度に予測される。
しかし, 年齢, 性別, 自覚症状など, 共同創設者と照合すると, 分類器の性能は著しく低下する。
論文 参考訳（メタデータ） (2022-12-15T15:44:02Z) - Fruit-CoV: An Efficient Vision-based Framework for Speedy Detection and
Diagnosis of SARS-CoV-2 Infections Through Recorded Cough Sounds [0.38321248253111767]
SARS-CoV-2は世界中に広がり、2020年3月以降、世界的なパンデミックの流行に関与している。
自宅でSARS-CoV-2のセルフテストサービスを持つことは不可欠である。
本研究では,2段階の視覚フレームワークであるFruit-CoVを紹介する。
論文 参考訳（メタデータ） (2021-09-06T07:56:02Z) - 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) - 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) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - 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) - Pay Attention to the cough: Early Diagnosis of COVID-19 using
Interpretable Symptoms Embeddings with Cough Sound Signal Processing [0.0]
新型コロナウイルス(SARS-CoV-2によるコロナウイルスのパンデミック)は、人類にとって恐ろしく壊滅的な大惨事を引き起こしている。
新型コロナウイルスの現在の診断は、RT-PCR(Reverse-Transcription Polymer Chain Reaction)テストによって行われる。
音声の特徴と症状メタデータに基づいて、解釈可能で新型コロナウイルスの診断AIフレームワークを開発、開発する。
論文 参考訳（メタデータ） (2020-10-06T01:22:50Z) - 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) - COVID-Net S: Towards computer-aided severity assessment via training and
validation of deep neural networks for geographic extent and opacity extent
scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。
本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文 参考訳（メタデータ） (2020-05-26T16:33:52Z)
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。
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。