Fugu-MT 論文翻訳(概要): Transfer Learning for the Efficient Detection of COVID-19 from Smartphone Audio Data

論文の概要: Transfer Learning for the Efficient Detection of COVID-19 from Smartphone Audio Data

arxiv url: http://arxiv.org/abs/2307.02975v1
Date: Thu, 6 Jul 2023 13:19:27 GMT
ステータス: 処理完了
システム内更新日: 2023-07-07 14:08:02.066766
Title: Transfer Learning for the Efficient Detection of COVID-19 from Smartphone Audio Data
Title（参考訳）: スマートフォン音声データからcovid-19の効率的な検出のためのトランスファー学習
Authors: Mattia Giovanni Campana, Franca Delmastro, Elena Pagani
Abstract要約: スマートフォンデータから病気を検出することは、モバイル健康(m-health)システムにおけるオープンな研究課題である。本研究は,手作りの3種類の深層学習モデルの実験的評価である。商用モバイルデバイス上での様々なモデルのメモリフットプリントを評価する。
参考スコア（独自算出の注目度）: 6.18778092044887
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Disease detection from smartphone data represents an open research challenge in mobile health (m-health) systems. COVID-19 and its respiratory symptoms are an important case study in this area and their early detection is a potential real instrument to counteract the pandemic situation. The efficacy of this solution mainly depends on the performances of AI algorithms applied to the collected data and their possible implementation directly on the users' mobile devices. Considering these issues, and the limited amount of available data, in this paper we present the experimental evaluation of 3 different deep learning models, compared also with hand-crafted features, and of two main approaches of transfer learning in the considered scenario: both feature extraction and fine-tuning. Specifically, we considered VGGish, YAMNET, and L\textsuperscript{3}-Net (including 12 different configurations) evaluated through user-independent experiments on 4 different datasets (13,447 samples in total). Results clearly show the advantages of L\textsuperscript{3}-Net in all the experimental settings as it overcomes the other solutions by 12.3\% in terms of Precision-Recall AUC as features extractor, and by 10\% when the model is fine-tuned. Moreover, we note that to fine-tune only the fully-connected layers of the pre-trained models generally leads to worse performances, with an average drop of 6.6\% with respect to feature extraction. %highlighting the need for further investigations. Finally, we evaluate the memory footprints of the different models for their possible applications on commercial mobile devices.
Abstract（参考訳）: スマートフォンデータから病気を検出することは、モバイル健康(m-health)システムにおけるオープンな研究課題である。新型コロナウイルスとその呼吸器症状は、この地域で重要なケーススタディであり、その早期発見は、パンデミックの状況に対処するための潜在的な手段である。このソリューションの有効性は主に、収集されたデータに適用されたAIアルゴリズムのパフォーマンスと、ユーザのモバイルデバイスに直接適用可能な実装に依存する。本稿では,これらの課題と限られたデータ量を考慮すると,手作りの特徴と比較した3種類の深層学習モデルの実験的評価と,特徴抽出と微調整の2つのシナリオにおける伝達学習の主なアプローチについて述べる。具体的には、VGGish、YAMNET、L\textsuperscript{3}-Net(12の異なる構成を含む)を4つの異なるデータセット(合計13,447のサンプル)でユーザに依存しない実験によって評価した。その結果、L\textsuperscript{3}-Netの利点は、他のソリューションを12.3倍の精度で上回り、AUCを特徴抽出器として、そしてモデルが微調整された場合の10倍の利点を示している。さらに、事前学習したモデルの完全連結層のみを微調整すると、一般的に性能が低下し、特徴抽出に関して平均6.6\%低下する。 % さらなる調査の必要性が高い。最後に,様々なモデルのメモリフットプリントを評価し,商用モバイルデバイス上での利用の可能性について検討した。

関連論文リスト

Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文参考訳（メタデータ） (2024-09-29T07:04:26Z)
Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文参考訳（メタデータ） (2024-01-06T07:30:41Z)
The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文参考訳（メタデータ） (2023-09-13T10:40:41Z)
L3-Net Deep Audio Embeddings to Improve COVID-19 Detection from Smartphone Data [5.505634045241288]
人工呼吸記録から有意な特徴を自動的に抽出する深層埋め込みモデルL3-Netの有効性について検討した。結果は、L3-Netと手作りの機能の組み合わせが、AUCの他の作品のパフォーマンスを28.57%上回っていることを示している。
論文参考訳（メタデータ） (2022-05-16T13:50:22Z)
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)
Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19 [1.9899603776429056]
研究者は、臨床設定で記録された音声サンプルを使用して新型コロナウイルス感染状態を検出するモデルを提示しました。そこで本研究では,クラウドソースデータを用いて,手作業によるデータ処理やクリーン化を行わないマルチブランチ深層学習ネットワークを提案する。
論文参考訳（メタデータ） (2021-03-02T15:31:09Z)
Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文参考訳（メタデータ） (2021-02-18T21:14:52Z)
VoxelHop: Successive Subspace Learning for ALS Disease Classification Using Structural MRI [30.469124322749828]
Amyotrophic Lateral Sclerosis (ALS) の正確な分類のためのサブスペース学習モデルである VoxelHop を提案する。一般的な畳み込みニューラルネットワーク(CNN)アーキテクチャと比較して、VoxelHopはモジュール構造と透過構造を持ち、バックプロパゲーションなしではパラメータが少ない。我々のフレームワークは、異なる画像モダリティを用いて、他の分類タスクに容易に一般化できる。
論文参考訳（メタデータ） (2021-01-13T15:25:57Z)
A Generative Model to Synthesize EEG Data for Epileptic Seizure Prediction [3.8271082752302137]
本稿では, 合成脳波サンプルを生成するための深層畳み込み生成対向ネットワークを提案する。我々は合成データ、すなわち1クラスSVMと、畳み込みてんかん発作予測器(CESP)と呼ばれる新しい提案を2つの手法で検証する。以上の結果から,CESPモデルでは78.11%,88.21%,FPR0.27/h,0.14/hの感度が得られた。
論文参考訳（メタデータ） (2020-12-01T12:00:36Z)
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)
Dynamically Mitigating Data Discrepancy with Balanced Focal Loss for Replay Attack Detection [10.851348154870852]
我々は、アンチ・スプーフィングにおいては、モデリングプロセスにおいて容易に分類されたサンプルよりも識別不能なサンプルに注意が必要であると論じている。本研究は, サンプル自体の特性に基づいて, 損失を動的にスケールする訓練目的として, バランスの取れた焦点損失関数を活用することを提案する。相補的な特徴により、3種類の機能しか持たない融合系は他のシステムよりも22.5%、min-tDCFが7%、EERが7%向上する。
論文参考訳（メタデータ） (2020-06-25T17:06:47Z)

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。