論文の概要: Statistical Design and Analysis for Robust Machine Learning: A Case
Study from COVID-19
- arxiv url: http://arxiv.org/abs/2212.08571v1
- Date: Thu, 15 Dec 2022 13:50:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-19 16:37:59.205402
- Title: Statistical Design and Analysis for Robust Machine Learning: A Case
Study from COVID-19
- Title（参考訳）: ロバスト機械学習の統計的設計と分析--COVID-19の事例から
- Authors: Davide Pigoli, Kieran Baker, Jobie Budd, Lorraine Butler, Harry
Coppock, Sabrina Egglestone, Steven G. Gilmour, Chris Holmes, David Hurley,
Radka Jersakova, Ivan Kiskin, Vasiliki Koutra, Jonathon Mellor, George
Nicholson, Joe Packham, Selina Patel, Richard Payne, Stephen J. Roberts,
Bj\"orn W. Schuller, Ana Tendero-Ca\~nadas, Tracey Thornley, Alexander
Titcomb
- Abstract要約: 本稿では、音声信号に基づいて、新型コロナウイルス感染の予測に使用される最先端の機械学習技術について厳格に評価する。
本研究は,音響的特徴に基づく新型コロナウイルス感染状況の分類法の性能評価に関するガイドラインを提供する。
- 参考スコア（独自算出の注目度）: 45.216628450147034
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since early in the coronavirus disease 2019 (COVID-19) pandemic, there has
been interest in using artificial intelligence methods to predict COVID-19
infection status based on vocal audio signals, for example cough recordings.
However, existing studies have limitations in terms of data collection and of
the assessment of the performances of the proposed predictive models. This
paper rigorously assesses state-of-the-art machine learning techniques used to
predict COVID-19 infection status based on vocal audio signals, using a dataset
collected by the UK Health Security Agency. This dataset includes acoustic
recordings and extensive study participant meta-data. We provide guidelines on
testing the performance of methods to classify COVID-19 infection status based
on acoustic features and we discuss how these can be extended more generally to
the development and assessment of predictive methods based on public health
datasets.
- Abstract（参考訳）: 新型コロナウイルス感染症(COVID-19)のパンデミックの初期から、音声信号、例えば声帯記録に基づいて新型コロナウイルスの感染状況を予測する人工知能手法の使用に関心が寄せられている。
しかし,既存の研究では,データ収集や予測モデルの性能評価に限界がある。
本稿では,英国の保健機関が収集したデータセットを用いて,発声音声信号に基づいて新型コロナウイルスの感染状況を予測するための最先端の機械学習手法を厳格に評価する。
このデータセットは、音響記録と広範な研究参加者メタデータを含む。
本研究は、音響的特徴に基づく新型コロナウイルス感染状況の分類法の性能評価に関するガイドラインを提示し、公衆衛生データセットに基づく予測手法の開発・評価にどのように拡張できるかを論じる。
関連論文リスト
- Ultrasound-Based AI for COVID-19 Detection: A Comprehensive Review of Public and Private Lung Ultrasound Datasets and Studies [0.8431149869144428]
新型コロナウイルスの検出と解析に肺超音波(LUS)を用いたAIによる研究に焦点をあてる。
合計60項目をレビューし,そのうち41項目は公開データセットを使用し,残る41項目は個人データを用いた。
以上の結果から, 超音波を用いた新型コロナウイルス検出AI研究は, 特に小児および妊婦の臨床的有用性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-11-06T06:59:41Z) - CoVScreen: Pitfalls and recommendations for screening COVID-19 using Chest X-rays [1.0878040851637998]
新型コロナウイルス(COVID-19)は、SARS-CoV-2による感染性の高い呼吸器疾患で、前例のない医療危機となっている。
症状のある患者の早期スクリーニングと診断は、地域感染を止めるために患者を隔離する上で重要な役割を担っている。
アクセシビリティ、可用性、低コスト、衛生の容易さ、ポータブルなセットアップのため、胸部X線撮影は効果的なスクリーニングおよび診断ツールとして機能する。
論文 参考訳（メタデータ） (2024-05-13T12:03:15Z) - Developing a multi-variate prediction model for the detection of
COVID-19 from Crowd-sourced Respiratory Voice Data [0.0]
この研究の新規性は、音声記録から新型コロナウイルス患者を識別するためのディープラーニングモデルの開発である。
私たちは、新型コロナウイルスのサウンドアプリを使った4352人の参加者からクラウドソースされた、853のオーディオサンプルからなるケンブリッジ大学のデータセットを使用しました。
音声データに基づいて,陽性症例を検出する深層学習分類モデルを開発した。
論文 参考訳（メタデータ） (2022-09-08T11:46:37Z) - COVYT: Introducing the Coronavirus YouTube and TikTok speech dataset
featuring the same speakers with and without infection [4.894353840908006]
私たちは、65人の話者から8時間以上のスピーチを含む公開ソースから収集された新しい新型コロナウイルスデータセットであるCOVYTデータセットを紹介します。
他の既存のCOVID-19サウンドデータセットと比較すると、COVYTデータセットのユニークな特徴は、全65話者から陽性と陰性の両方のサンプルを含むことである。
論文 参考訳（メタデータ） (2022-06-20T16:26:51Z) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳（メタデータ） (2021-09-14T10:59:11Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - 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) - Virufy: A Multi-Branch Deep Learning Network for Automated Detection of
COVID-19 [1.9899603776429056]
研究者は、臨床設定で記録された音声サンプルを使用して新型コロナウイルス感染状態を検出するモデルを提示しました。
そこで本研究では,クラウドソースデータを用いて,手作業によるデータ処理やクリーン化を行わないマルチブランチ深層学習ネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-02T15:31:09Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z)
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。