論文の概要: Coswara: A respiratory sounds and symptoms dataset for remote screening
of SARS-CoV-2 infection
- arxiv url: http://arxiv.org/abs/2305.12741v1
- Date: Mon, 22 May 2023 06:09:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-23 18:08:48.647813
- Title: Coswara: A respiratory sounds and symptoms dataset for remote screening
of SARS-CoV-2 infection
- Title（参考訳）: coswara:sars-cov-2感染のリモートスクリーニングのための呼吸音と症状データセット
- Authors: Debarpan Bhattacharya, Neeraj Kumar Sharma, Debottam Dutta, Srikanth
Raj Chetupalli, Pravin Mote, Sriram Ganapathy, Chandrakiran C, Sahiti Nori,
Suhail K K, Sadhana Gonuguntla, Murali Alagesan
- Abstract要約: 本稿では,多種多様な呼吸音と豊富なメタデータを含むデータセットであるCosharaデータセットについて述べる。
呼吸音は, 呼吸, きず, 発声の変種に関連する9つの音カテゴリーを含む。
本稿では,データ収集手順,人口統計,症状,音声データ情報について要約する。
- 参考スコア（独自算出の注目度）: 23.789227109218118
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the Coswara dataset, a dataset containing diverse set of
respiratory sounds and rich meta-data, recorded between April-2020 and
February-2022 from 2635 individuals (1819 SARS-CoV-2 negative, 674 positive,
and 142 recovered subjects). The respiratory sounds contained nine sound
categories associated with variants of breathing, cough and speech. The rich
metadata contained demographic information associated with age, gender and
geographic location, as well as the health information relating to the
symptoms, pre-existing respiratory ailments, comorbidity and SARS-CoV-2 test
status. Our study is the first of its kind to manually annotate the audio
quality of the entire dataset (amounting to 65~hours) through manual listening.
The paper summarizes the data collection procedure, demographic, symptoms and
audio data information. A COVID-19 classifier based on bi-directional long
short-term (BLSTM) architecture, is trained and evaluated on the different
population sub-groups contained in the dataset to understand the bias/fairness
of the model. This enabled the analysis of the impact of gender, geographic
location, date of recording, and language proficiency on the COVID-19 detection
performance.
- Abstract（参考訳）: 本稿では,2020年4月から2022年2月にかけて2635名(sars-cov-2陰性,674名,回収142名)を対象に,呼吸音と豊富なメタデータを含むデータセットであるコスワラデータセットを提案する。
呼吸音は, 呼吸, きず, 発声の変種に関連する9つの音カテゴリーを含む。
豊富なメタデータには年齢、性別、地理的な位置に関連する人口統計情報、症状に関する健康情報、既存の呼吸不全、共生、sars-cov-2テストステータスが含まれていた。
私たちの研究は、手動のリスニングを通じて、データセット全体のオーディオ品質(65時間以内)を手動で注釈付けする最初の方法です。
本稿では,データ収集手順,人口統計,症状,音声データ情報を要約する。
双方向長短期(BLSTM)アーキテクチャに基づくCOVID-19分類器をトレーニングし、データセットに含まれる異なる集団サブグループを用いて評価し、モデルのバイアス/フェアネスを理解する。
これにより、性別、地理的位置、記録日、言語習熟度がCOVID-19検出性能に与える影響の分析が可能となった。
関連論文リスト
- BTS: Bridging Text and Sound Modalities for Metadata-Aided Respiratory Sound Classification [0.0]
音声サンプルのメタデータから派生した自由テキスト記述を用いて,事前学習したテキスト・オーディオ・マルチモーダルモデルを微調整する。
提案手法は,ICBHIデータセットの最先端性能を達成し,先行した最良値の1.17%を突破した。
論文 参考訳（メタデータ） (2024-06-10T20:49:54Z) - Audio-based AI classifiers show no evidence of improved COVID-19
screening over simple symptoms checkers [37.085063562292845]
関連メタデータを用いた67,842人の音声記録のデータセットを収集,分析した。
被験者は、英国政府のNational Health Service Test-and-Trace ProgramとReal-time Assessment of Community Transmissionサーベイを通じて募集された。
データセットのAI分類器の非調整分析では、SARS-CoV-2感染状況が高精度に予測される。
しかし, 年齢, 性別, 自覚症状など, 共同創設者と照合すると, 分類器の性能は著しく低下する。
論文 参考訳（メタデータ） (2022-12-15T15:44:02Z) - Statistical Design and Analysis for Robust Machine Learning: A Case
Study from COVID-19 [45.216628450147034]
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。
論文 参考訳（メタデータ） (2022-12-15T13:50:13Z) - A large-scale and PCR-referenced vocal audio dataset for COVID-19 [29.40538927182366]
イギリス保健安全庁は、2021年3月から2022年3月までの英国におけるテスト・アンド・トレースプログラムとREACT-1サーベイを通じて、自発的な参加者を募集した。
新型コロナウイルス対策」のデジタルサーベイでは、インフルエンザの鳴き声、吐き声、スピーチの音声記録が収集された。
このデータセットでは、11.30%の参加者が喘息を報告している。
論文 参考訳（メタデータ） (2022-12-15T11:40:40Z) - 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) - Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH
COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。
COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文 参考訳（メタデータ） (2021-07-30T10:59:08Z) - Sounds of COVID-19: exploring realistic performance of audio-based
digital testing [17.59710651224251]
本稿では、COVID-19の音声によるデジタル検査の現実的な性能について検討する。
われわれは、大規模なクラウドソースによる呼吸器オーディオデータセットをモバイルアプリを通じて収集した。
非バイアスモデルでは、呼吸、うずみ、音声信号から抽出した特徴を予測器として取り出し、AUC-ROCは0.71(95% CI: 0.65$-$0.77)となる。
論文 参考訳（メタデータ） (2021-06-29T15:50:36Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - 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) - 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)
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。