論文の概要: Diagnosis of Covid-19 Via Patient Breath Data Using Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2302.10180v1
• Date: Tue, 24 Jan 2023 22:00:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 14:45:43.294020
• Title: Diagnosis of Covid-19 Via Patient Breath Data Using Artificial Intelligence
• Title（参考訳）: 人工知能を用いた患者の呼吸データに基づくCovid-19の診断
• Authors: Ozge Doguc, Gokhan Silahtaroglu, Zehra Nur Canbolat, Kailash Hambarde, Ahmet Alperen Yigitbas, Hasan Gokay, Mesut Ylmaz
• Abstract要約: 本研究の目的は、患者の吐き気中の揮発性有機化合物(VOC)を検出することにより、新型コロナウイルスを検出できるPOSCTシステムを開発することである。 2020年12月から2021年3月までにイスタンブール・メディポール・メガ病院で142例の呼吸サンプルを採取した。 Gradient Boosting(グラディエント・ブースティング)アルゴリズムは、新型コロナウイルス陽性患者を予測する場合95%のリコールと、新型コロナウイルス陰性患者を予測する場合の96%の精度を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Using machine learning algorithms for the rapid diagnosis and detection of the COVID-19 pandemic and isolating the patients from crowded environments are very important to controlling the epidemic. This study aims to develop a point-of-care testing (POCT) system that can detect COVID-19 by detecting volatile organic compounds (VOCs) in a patient's exhaled breath using the Gradient Boosted Trees Learner Algorithm. 294 breath samples were collected from 142 patients at Istanbul Medipol Mega Hospital between December 2020 and March 2021. 84 cases out of 142 resulted in negatives, and 58 cases resulted in positives. All these breath samples have been converted into numeric values through five air sensors. 10% of the data have been used for the validation of the model, while 75% of the test data have been used for training an AI model to predict the coronavirus presence. 25% have been used for testing. The SMOTE oversampling method was used to increase the training set size and reduce the imbalance of negative and positive classes in training and test data. Different machine learning algorithms have also been tried to develop the e-nose model. The test results have suggested that the Gradient Boosting algorithm created the best model. The Gradient Boosting model provides 95% recall when predicting COVID-19 positive patients and 96% accuracy when predicting COVID-19 negative patients.
• Abstract（参考訳）: 新型コロナウイルスのパンデミックの迅速診断と検出に機械学習アルゴリズムを使用することで、密集した環境から患者を隔離することが、この流行を抑える上で非常に重要である。 本研究は,患者の吐き気中の揮発性有機化合物(VOC)を検出して新型コロナウイルスを検出できるPOCT(point-of-care testing)システムを開発することを目的とする。 2020年12月から2021年3月までにイスタンブール・メディポール大病院で142名の患者の呼吸サンプルを採取した。 142例中84例が陰性,58例が陽性であった。 これらの呼吸サンプルは5つの空気センサーによって数値に変換された。 データの10%はモデルの検証に使用されており、テストデータの75%はAIモデルのトレーニングに使用されており、新型コロナウイルスの存在を予測している。 25%がテストに使われている。 SMOTEオーバーサンプリング法は、トレーニングセットのサイズを拡大し、トレーニングおよびテストデータにおける負のクラスと正のクラスの不均衡を低減するために用いられた。 異なる機械学習アルゴリズムもe-noseモデルの開発を試みている。 実験結果から,勾配ブースティングアルゴリズムが最良モデルであることが示唆された。 Gradient Boostingモデルでは、新型コロナウイルス陽性患者の予測では95%、陰性患者の予測では96%の精度でリコールを行っている。

関連論文リスト

• 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)
• COVID-Net Assistant: A Deep Learning-Driven Virtual Assistant for COVID-19 Symptom Prediction and Recommendation [75.74756992992147]
  新型コロナウイルスの症状予測とレコメンデーションを提供するために設計された,効率的な仮想アシスタントであるCOVID-Net Assistantの設計を紹介する。 マシン駆動設計探索を通じて生成された、高度にカスタマイズされた軽量な畳み込みニューラルネットワークアーキテクチャについて検討する。 実験結果から,強力な予測性能を示す COVID-Net Assistant ニューラルネットワークが期待できる結果を得た。
  論文  参考訳（メタデータ） (2022-11-22T01:41:48Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• 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)
• A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
  臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。 提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
  論文  参考訳（メタデータ） (2021-11-10T19:39:26Z)
• Identifying and mitigating bias in algorithms used to manage patients in a pandemic [4.756860520861679]
  現実のデータセットを使用して、新型コロナウイルスの死亡率、人工呼吸器の状態、入院状態を予測するために、ロジスティック回帰モデルが作成された。 モデルではバイアス試験の回数が57%減少した。 キャリブレーション後, 予測モデルの平均感度は0.527から0.955に増加した。
  論文  参考訳（メタデータ） (2021-10-30T21:10:56Z)
• Robust Automated Framework for COVID-19 Disease Identification from a Multicenter Dataset of Chest CT Scans [27.29759500174996]
  提案モデルでは,特定の走査プロトコルを用いて,1つのイメージングセンタのみから取得した比較的小さなデータセットに基づいてトレーニングを行った。 また、列車とテストセット間のデータシフトに対処するため、教師なしアプローチでモデルを更新できることを示した。 実験の結果,提案手法は全テストセットに対して96.15%の精度で良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-09-19T22:32:55Z)
• 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)
• 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)
• 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)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)

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。