論文の概要: Mpox-AISM: AI-Mediated Super Monitoring for Forestalling Monkeypox
Spread
- arxiv url: http://arxiv.org/abs/2303.09780v2
- Date: Wed, 24 May 2023 06:00:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 01:52:59.687022
- 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
- Development and Validation of a Deep Learning-Based Microsatellite
Instability Predictor from Prostate Cancer Whole-Slide Images [1.4942902702740595]
マイクロサテライト不安定高(MSI-H)は免疫チェックポイントインヒビター治療のための腫瘍非依存バイオマーカーである。
我々は、日常的なH&Eスライドの大規模実世界コホート上で、AIベースのMSI-H診断モデルを開発し、検証した。
このアルゴリズムは前立腺癌患者を免疫療法に誘導し、リンチ症候群に続発するMSI-H症例を同定する可能性がある。
論文 参考訳(メタデータ) (2023-10-12T22:09:53Z) - SyMPox: An Automated Monkeypox Detection System Based on Symptoms Using
XGBoost [0.0]
SyMPoxは、症状を評価し、信頼できるMonkeypox診断を得るために、ユーザフレンドリーなプラットフォームを提供する。
SyMPoxはロバストなXGBoostアルゴリズムを用いて症状パターンを分析し、正確な評価を行う。
論文 参考訳(メタデータ) (2023-10-02T17:24:10Z) - 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) - Domain Transfer Through Image-to-Image Translation for Uncertainty-Aware
Prostate Cancer Classification [60.20736568336466]
臨床的に有意なPCa分類のための前立腺mp-MRIの非対位画像変換のための新しいアプローチを提案する。
我々は、明らかなディープラーニングアプローチにより、モデルの不確実性を見積もる。
提案手法は, ROC曲線(AUC)を20%以上改善することを示した。
論文 参考訳(メタデータ) (2023-07-02T05:26:54Z) - Robust and Generalisable Segmentation of Subtle Epilepsy-causing
Lesions: a Graph Convolutional Approach [1.180462901068842]
FCD(Foccal cortical dysplasia)は薬剤抵抗性てんかんの主要な原因であり、手術で治療できる。
そのため、手動の傷口マスクは高価で、限定的であり、ラッター間変動が大きい。
本稿では,グラフ畳み込みネットワーク(GCN)を用いたセマンティックセグメンテーション(セマンティックセグメンテーション,セマンティックセグメンテーション,セマンティックセグメンテーション)の手法を提案する。
論文 参考訳(メタデータ) (2023-06-02T08:56:56Z) - Artificial-intelligence-based molecular classification of diffuse
gliomas using rapid, label-free optical imaging [59.79875531898648]
DeepGliomaは人工知能に基づく診断スクリーニングシステムである。
ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
論文 参考訳(メタデータ) (2023-03-23T18:50:18Z) - Telehealthcare and Covid-19: A Noninvasive & Low Cost Invasive, Scalable
and Multimodal Real-Time Smartphone Application for Early Diagnosis of
SARS-CoV-2 Infection [0.0]
そこで本研究では,Covid-19感染症の早期診断のためのスマートフォンアプリケーションベースの新しいプラットフォームを提案する。
このアプリケーションは3つの診断方法を提供しており、起こりうる症状、うっ血の音、特定の血液マーカーを診断する。
われわれの機械学習モデルは、100%、95.65%、および77.59%の精度でコビッド19の患者を識別できる。
論文 参考訳(メタデータ) (2021-09-16T10:22:31Z) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳(メタデータ) (2021-05-04T19:01:40Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - 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)
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。