Fugu-MT 論文翻訳(概要): DeCom: Deep Coupled-Factorization Machine for Post COVID-19 Respiratory Syncytial Virus Prediction with Nonpharmaceutical Interventions Awareness

論文の概要: DeCom: Deep Coupled-Factorization Machine for Post COVID-19 Respiratory Syncytial Virus Prediction with Nonpharmaceutical Interventions Awareness

arxiv url: http://arxiv.org/abs/2305.01770v1
Date: Tue, 2 May 2023 20:23:09 GMT
ステータス: 処理完了
システム内更新日: 2023-05-04 16:39:00.342921
Title: DeCom: Deep Coupled-Factorization Machine for Post COVID-19 Respiratory Syncytial Virus Prediction with Nonpharmaceutical Interventions Awareness
Title（参考訳）: DeCom:非薬剤的介入を意識した術後呼吸性シンサイトールウイルス予測のためのディープカップリング・ファクター化装置
Authors: Xinyan Li, Cheng Qian, and Lucas Glass
Abstract要約: 呼吸性交感神経性ウイルス(RSV)は、幼児や幼児にとって最も危険な呼吸器疾患の1つである。新型コロナウイルスの感染拡大に伴う非薬剤的介入(NPI)により、RSVの季節的な感染パターンは2020年に廃止され、2021年に北半球で数ヶ月前に移行した。新型コロナウイルス(COVID-19)がRSVにどのように影響するかを理解し、RSVの再合併のタイミングと強度を予測する予測アルゴリズムを構築することが重要である。
参考スコア（独自算出の注目度）: 15.31523014144133
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Respiratory syncytial virus (RSV) is one of the most dangerous respiratory diseases for infants and young children. Due to the nonpharmaceutical intervention (NPI) imposed in the COVID-19 outbreak, the seasonal transmission pattern of RSV has been discontinued in 2020 and then shifted months ahead in 2021 in the northern hemisphere. It is critical to understand how COVID-19 impacts RSV and build predictive algorithms to forecast the timing and intensity of RSV reemergence in post-COVID-19 seasons. In this paper, we propose a deep coupled tensor factorization machine, dubbed as DeCom, for post COVID-19 RSV prediction. DeCom leverages tensor factorization and residual modeling. It enables us to learn the disrupted RSV transmission reliably under COVID-19 by taking both the regular seasonal RSV transmission pattern and the NPI into consideration. Experimental results on a real RSV dataset show that DeCom is more accurate than the state-of-the-art RSV prediction algorithms and achieves up to 46% lower root mean square error and 49% lower mean absolute error for country-level prediction compared to the baselines.
Abstract（参考訳）: 呼吸同期ウイルス(rsv)は、幼児や幼児にとって最も危険な呼吸器疾患の1つである。新型コロナウイルスの感染拡大に伴う非薬剤的介入(NPI)により、RSVの季節的な感染パターンは2020年に廃止され、2021年に北半球で数ヶ月前に移行した。新型コロナウイルス(COVID-19)がRSVにどのように影響するかを理解し、RSVの再合併のタイミングと強度を予測する予測アルゴリズムを構築することが重要である。本稿では、COVID-19後RSV予測のためのディープカップリング型テンソル因子化マシンDeComを提案する。 DeComはテンソル分解と残留モデリングを利用する。これにより、通常の季節RSV送信パターンとNPIの両方を考慮し、新型コロナウイルス感染下で確実に破壊されたRSV伝送を学習することができる。実際のrsvデータセットでの実験的結果は、decomは最先端のrsv予測アルゴリズムよりも正確であり、ベースラインよりも根の平均平方誤差が最大46%低く、絶対誤差が49%低いことを示している。

関連論文リスト

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)
Forecasting COVID- 19 cases using Statistical Models and Ontology-based Semantic Modelling: A real time data analytics approach [1.8008011356310047]
本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。 COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
論文参考訳（メタデータ） (2022-06-06T11:58:11Z)
Predicting the spread of COVID-19 in Delhi, India using Deep Residual Recurrent Neural Networks [0.0]
The dynamics of COVID 19 were extracted using Convolutional Neural Networks and Deep Residual Recurrent Neural Networks。 DRRNNs COVID-19予測モデルは、正確な新型コロナウイルス予測を持っていることが示されている。
論文参考訳（メタデータ） (2021-10-09T19:16:36Z)
CxSE: Chest X-ray Slow Encoding CNN forCOVID-19 Diagnosis [3.274290296343038]
感染拡大を避けるため、陽性患者を隔離するためには、迅速にウイルスを検知する必要がある。この研究は'slow CNN'と呼ばれる新しい畳み込みニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2021-06-23T04:57:39Z)
COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文参考訳（メタデータ） (2021-05-04T04:44:41Z)
COVID-Net CXR-S: Deep Convolutional Neural Network for Severity Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文参考訳（メタデータ） (2021-05-01T14:15:12Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
Deep Learning Models for Early Detection and Prediction of the spread of Novel Coronavirus (COVID-19) [4.213555705835109]
SARS-CoV2は世界的な普及を続けており、パンデミックとなっている。新型コロナウイルスの感染拡大を予測するために、機械学習技術を開発する必要がある。
論文参考訳（メタデータ） (2020-07-29T10:14:11Z)
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)
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。