論文の概要: Mpox-AISM: AI-Mediated Super Monitoring for Forestalling Monkeypox
Spread
- arxiv url: http://arxiv.org/abs/2303.09780v1
- Date: Fri, 17 Mar 2023 05:27:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 15:42:22.577724
- Title: Mpox-AISM: AI-Mediated Super Monitoring for Forestalling Monkeypox
Spread
- Title(参考訳): Mpox-AISM: モンキーポックス拡散のAIによる監視
- Authors: Yubiao Yue, Zhenzhang Li, Xinyue Zhang, Jialong Xu, Jinbao Liu, Yang
Li
- Abstract要約: スーパーモニタリング」と呼ばれる遠隔・リアルタイムのオンライン可視化戦略を提案する。
このようなAIによる"スーパーモニタリング"(Mpox-AISM)は、ディープラーニング、データ拡張、自己教師型学習によって構築されたフレームワークを起動する。
この戦略は、様々なシナリオにおける早期Mpoxのリアルタイム検出に利用することができる。
- 参考スコア(独自算出の注目度): 5.159666040993184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The challenge on forestalling monkeypox (Mpox) spread is the timely,
convenient and accurate diagnosis for earlystage infected individuals. Here, we
propose a remote and realtime online visualization strategy, called "Super
Monitoring" to construct a low cost, convenient, timely and unspecialized
diagnosis of early-stage Mpox. Such AI-mediated "Super Monitoring" (Mpox-AISM)
invokes a framework assembled by deep learning, data augmentation and
self-supervised learning, as well as professionally classifies four subtypes
according to dataset characteristics and evolution trend of Mpox and seven
other types of dermatopathya with high similarity, hence these features
together with reasonable program interface and threshold setting ensure that
its Recall (Sensitivity) was beyond 95.9% and the specificity was almost 100%.
As a result, with the help of cloud service on Internet and communication
terminal, this strategy can be potentially utilized for the real-time detection
of earlystage Mpox in various scenarios including entry-exit inspection in
airport, family doctor, rural area in underdeveloped region and wild to
effectively shorten the window period of Mpox spread.
- Abstract(参考訳): フォレストアリング・モンキーポックス(mpox)の拡散に関する課題は、早期感染者に対するタイムリーで便利で正確な診断である。
そこで本研究では, 早期mpoxの低コスト, 簡便, タイムリー, 非専門化診断を実現するために, 遠隔かつリアルタイムのオンライン可視化戦略「スーパーモニタリング」を提案する。
このようなaiを媒介とする"super monitoring"(mpox-aism)は、ディープラーニング、データ拡張、自己教師付き学習によって組み立てられたフレームワークを起動すると同時に、mpoxのデータセットの特徴と進化傾向に基づいて4つのサブタイプを専門的に分類し、高い類似度を持つ他の7種類の皮膚症を分類する。
その結果,インターネットおよび通信端末上でのクラウドサービスの活用により,空港の進入検査,家族医師,未開発地域の農村部,野生部などの様々なシナリオにおいて,早期Mpoxのリアルタイム検出に活用でき,Mpoxのウィンドウ期間を効果的に短縮することができる。
関連論文リスト
- Ultrafast-and-Ultralight ConvNet-Based Intelligent Monitoring System for
Diagnosing Early-Stage Mpox Anytime and Anywhere [5.479858970142124]
我々はFast-MpoxNetという超高速で超軽量なネットワークを提案する。
Fast-MpoxNetは0.27Mパラメータしか持たず、CPU上で68フレーム/秒(FPS)で入力画像を処理できる。
また、パソコンと携帯電話の両方にMpox-AISM V2というアプリケーションシステムを開発した。
論文 参考訳(メタデータ) (2023-08-25T17:06:30Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳(メタデータ) (2022-09-07T05:01:38Z) - 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) - Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging [63.62764375279861]
本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
論文 参考訳(メタデータ) (2021-12-20T13:29:13Z) - MG-NET: Leveraging Pseudo-Imaging for Multi-Modal Metagenome Analysis [5.04905391284093]
本稿では,自己教師型表現学習フレームワークMG-Netを提案する。
MG-Netはラベルのないデータからロバストな表現を学習できることを示す。
実験により、学習した特徴が現在のベースラインメタジェノム表現より優れていることが示された。
論文 参考訳(メタデータ) (2021-07-21T05:53:01Z) - RCoNet: Deformable Mutual Information Maximization and High-order
Uncertainty-aware Learning for Robust COVID-19 Detection [12.790651338952005]
2019年のコロナウイルス(COVID-19)感染は世界中に広まり、現在、世界中で大きな医療課題となっている。
胸部X線(CXR)画像中のCOVID-19の検出はCTよりも高速で低コストであり, 診断, 評価, 治療に有用である。
Em Deformable Mutual Information Maximization (DeIM), em Mixed High-order Moment Feature (MMMF) と em Multi- を併用した,ロバストな COVID-19 検出のための新しいディープネットワークである em RCoNet$k_s$ を提案する。
論文 参考訳(メタデータ) (2021-02-22T15:13:42Z) - Statistical control for spatio-temporal MEG/EEG source imaging with
desparsified multi-task Lasso [102.84915019938413]
脳磁図(MEG)や脳電図(EEG)のような非侵襲的手法は、非侵襲的手法を約束する。
ソースローカライゼーション(ソースイメージング)の問題は、しかしながら、高次元の統計的推測問題を引き起こす。
この問題に対処するために,分離されたマルチタスクラッソ(ecd-MTLasso)のアンサンブルを提案する。
論文 参考訳(メタデータ) (2020-09-29T21:17:16Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z) - Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。
CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。
これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文 参考訳(メタデータ) (2020-04-22T07:30:56Z)
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。