論文の概要: Detecting Throat Cancer from Speech Signals Using Machine Learning: A Reproducible Literature Review

• arxiv url: http://arxiv.org/abs/2307.09230v1
• Date: Tue, 18 Jul 2023 13:06:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-19 14:42:56.444385
• Title: Detecting Throat Cancer from Speech Signals Using Machine Learning: A Reproducible Literature Review
• Title（参考訳）: 機械学習による音声信号からの喉癌検出:再現性文献レビュー
• Authors: Mary Paterson, James Moor, Luisa Cutillo
• Abstract要約: 我々は,機械学習と人工知能を用いた音声記録から喉頭癌の検出に関する現在の文献のスコーピングレビューを行う。 この領域で22の論文を見つけ、その方法と結果について議論する。 我々はこれらの論文を,9つの2進分類と13つの多進分類の2つのグループに分けた。 本論文では、ニューラルネットワークを最も一般的に実装する手法について述べる。また、分類前の音声から多くの特徴を抽出し、最も一般的なものは、メル周波数ケプストラム係数をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we perform a scoping review of the current literature on the detection of throat cancer from speech recordings using machine learning and artificial intelligence. We find 22 papers within this area and discuss their methods and results. We split these papers into two groups - nine performing binary classification, and 13 performing multi-class classification. The papers present a range of methods with neural networks being most commonly implemented. Many features are also extracted from the audio before classification, with the most common bring mel-frequency cepstral coefficients. None of the papers found in this search have associated code repositories and as such are not reproducible. Therefore, we create a publicly available code repository of our own classifiers. We use transfer learning on a multi-class problem, classifying three pathologies and healthy controls. Using this technique we achieve an unweighted average recall of 53.54%, sensitivity of 83.14%, and specificity of 64.00%. We compare our classifiers with the results obtained on the same dataset and find similar results.
• Abstract（参考訳）: 本研究は,機械学習と人工知能を用いた音声記録からの喉頭癌検出に関する現在の文献のスコーピングレビューを行う。 この領域で22の論文を見つけ、その方法と結果について論じる。 これらの論文を2次分類を行う9つのグループと,マルチクラス分類を行う13の2つのグループに分けた。 この論文は、ニューラルネットワークを最も一般的に実装した様々な手法を提示する。 多くの特徴は分類前の音声から抽出され、最も一般的なものはメル周波数ケプストラム係数である。 この検索で見つかったどの論文も関連コードリポジトリを持っておらず、再現できない。 したがって、私たちは独自の分類器の公開コードリポジトリを作成します。 トランスファー学習を多クラス問題に用い,3つの病理と健全な制御を分類する。 この手法により、平均平均リコール率は53.54%、感度83.14%、特異度64.00%である。 分類器を同じデータセットで得られた結果と比較し、同様の結果を得る。

関連論文リスト

• Functional Classification of Spiking Signal Data Using Artificial Intelligence Techniques: A Review [8.320333033425475]
  本稿では、スパイク分類におけるAIの重要性と利用について論じ、ニューラルアクティビティノイズの認識に焦点を当てる。 第一の目的は、将来の研究のためのスパイク分類の視点を提供し、関連する方法論と問題に関する包括的な理解を提供することである。
  論文  参考訳（メタデータ） (2024-09-26T03:50:55Z)
• A survey of recent methods for addressing AI fairness and bias in biomedicine [48.46929081146017]
  人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。 バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。 我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。 バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
  論文  参考訳（メタデータ） (2024-02-13T06:38:46Z)
• Multi-task Explainable Skin Lesion Classification [54.76511683427566]
  少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。 提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
  論文  参考訳（メタデータ） (2023-10-11T05:49:47Z)
• Metastatic Breast Cancer Prognostication Through Multimodal Integration of Dimensionality Reduction Algorithms and Classification Algorithms [0.0]
  機械学習(ML)を用いた転移性癌の検出に関する研究 71.14%の最高精度は、PCA、遺伝的アルゴリズム、k-アネレスト近傍アルゴリズムからなるMLパイプラインによって作られた。
  論文  参考訳（メタデータ） (2023-09-19T05:12:02Z)
• Machine Learning Approach for Cancer Entities Association and Classification [0.0]
  この研究は、非自明な2つのNLP、自然言語処理機能、エンティティ認識、テキスト分類を用いて、生物医学文献から知識を発見する。 名前付きエンティティ認識(NER)は、ユーザフレンドリーなインターフェースと組み込み辞書のサポートにより、構造化されていないテキストから、がんに関連する事前定義されたエンティティを認識し、抽出する。 テキスト分類は、テキストに対する洞察を探求し、データの分類、クエリ、記事のスクリーニングを簡単にするのに役立つ。
  論文  参考訳（メタデータ） (2023-05-30T07:36:12Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Oral cancer detection and interpretation: Deep multiple instance learning versus conventional deep single instance learning [2.2612425542955292]
  口腔癌(OC)診断の現在の医療基準は、口腔から採取した組織標本の組織学的検査である。 このアプローチを臨床ルーチンに導入するには、専門家の欠如や労働集約的な作業といった課題が伴う。 私たちは、患者1人あたりのラベルだけで癌を確実に検出できるAIベースの方法に興味を持っています。
  論文  参考訳（メタデータ） (2022-02-03T15:04:26Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)
• Text Mining to Identify and Extract Novel Disease Treatments From Unstructured Datasets [56.38623317907416]
  Google Cloudを使って、NPRラジオ番組のポッドキャストのエピソードを書き起こします。 次に、テキストを体系的に前処理するためのパイプラインを構築します。 我々のモデルは、Omeprazoleが心臓熱傷の治療に役立てることに成功しました。
  論文  参考訳（メタデータ） (2020-10-22T19:52:49Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)

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。