論文の概要: Federated Few-shot Learning for Cough Classification with Edge Devices
- arxiv url: http://arxiv.org/abs/2309.01076v1
- Date: Sun, 3 Sep 2023 04:48:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 21:42:36.556556
- Title: Federated Few-shot Learning for Cough Classification with Edge Devices
- Title（参考訳）: エッジデバイスを用いたカフ分類のためのフェデレートフショット学習
- Authors: Ngan Dao Hoang, Dat Tran-Anh, Manh Luong, Cong Tran and Cuong Pham
- Abstract要約: 本研究の目的は,巨大なコークスデータが利用できない状況においても,コークス分類を行うことのできるフレームワークを開発することである。
我々は、F2LCoughと呼ばれる新しいフレームワークを設計するために、少数ショット学習とフェデレーション学習を採用し、新しい定式化問題を解く。
以上の結果から,数ショット学習とフェデレーション学習を組み合わせることで,コークス音の分類モデルを構築することが可能であることが示唆された。
- 参考スコア（独自算出の注目度）: 6.141439238018306
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatically classifying cough sounds is one of the most critical tasks for
the diagnosis and treatment of respiratory diseases. However, collecting a huge
amount of labeled cough dataset is challenging mainly due to high laborious
expenses, data scarcity, and privacy concerns. In this work, our aim is to
develop a framework that can effectively perform cough classification even in
situations when enormous cough data is not available, while also addressing
privacy concerns. Specifically, we formulate a new problem to tackle these
challenges and adopt few-shot learning and federated learning to design a novel
framework, termed F2LCough, for solving the newly formulated problem. We
illustrate the superiority of our method compared with other approaches on
COVID-19 Thermal Face & Cough dataset, in which F2LCough achieves an average
F1-Score of 86%. Our results show the feasibility of few-shot learning combined
with federated learning to build a classification model of cough sounds. This
new methodology is able to classify cough sounds in data-scarce situations and
maintain privacy properties. The outcomes of this work can be a fundamental
framework for building support systems for the detection and diagnosis of
cough-related diseases.
- Abstract（参考訳）: 自動的に音を分類することは呼吸器疾患の診断と治療において最も重要な課題の1つである。
しかし、大量のラベル付きcoughデータセットの収集は、主に高い労力、データ不足、プライバシー上の懸念から困難である。
本研究の目的は,膨大なcoughデータが利用できない状況でも効果的にcough分類を行うフレームワークを開発することであり,同時にプライバシーの懸念にも対処することである。
具体的には,これらの課題に対処するための新しい問題を定式化し,F2LCoughと呼ばれる新しいフレームワークを設計するために,数ショット学習とフェデレーション学習を採用する。
F2LCoughが平均F1スコアの86%を達成しているCOVID-19 Thermal Face & Coughデータセットの他のアプローチと比較して,本手法の優位性について述べる。
以上の結果から, 連発学習と組み合わせることで, 声の分類モデルを構築することが可能となった。
この新しい手法は、データ収集の状況でcoughサウンドを分類し、プライバシプロパティを維持できる。
本研究の成果はcough関連疾患の検出と診断のための支援システムを構築するための基礎的枠組みとなりうる。
関連論文リスト
- Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers [14.144599890583308]
本稿では,大規模コークスデータセットを用いた自己教師型学習と教師型学習を併用したコークス病分類手法を提案する。
提案手法は、新型コロナウイルスの診断のための2つのベンチマークデータセットと、AUROC 92.5% の COPD/non-COPD 分類のためのプロプライエタリデータセットにおいて、先行技術よりも一貫して優れていることを示す実験結果を得た。
論文 参考訳（メタデータ） (2024-08-28T09:40:40Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳（メタデータ） (2023-06-02T01:46:31Z) - A Semi-Supervised Algorithm for Improving the Consistency of
Crowdsourced Datasets: The COVID-19 Case Study on Respiratory Disorder
Classification [4.431270735024064]
聴覚信号の分類は、新型コロナウイルス(COVID-19)などの呼吸器疾患のスクリーニングに有用なツールである。
多くの研究チームは、COUGHVIDデータセットを生成するために行われたように、音声データを素早く収集するためにクラウドソーシングに移行した。
COUGHVIDデータセットは、専門家の医師に、限られた数のアップロードされた記録に存在する基礎疾患の診断を依頼した。
この研究は、半教師付き学習(SSL)アプローチを使用して、COUGHVIDデータセットのラベル付け一貫性を改善し、新型コロナウイルスの健全な音分類に対する堅牢性を向上させる。
論文 参考訳（メタデータ） (2022-09-09T15:44:26Z) - Deep Feature Learning for Medical Acoustics [78.56998585396421]
本研究の目的は,医療音響の課題における学習内容の比較である。
ヒトの呼吸音と心臓の鼓動を健康的または病態の影響の2つのカテゴリに分類する枠組みが実装されている。
論文 参考訳（メタデータ） (2022-08-05T10:39:37Z) - LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。
タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。
クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文 参考訳（メタデータ） (2022-04-12T12:25:05Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。
最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
論文 参考訳（メタデータ） (2021-08-07T23:05:18Z) - Exploring Self-Supervised Representation Ensembles for COVID-19 Cough
Classification [5.469841541565308]
そこで本研究では,新しい自己教師付き学習フレームワークを提案する。
非ラベルデータでトランスフォーマベースの特徴エンコーダを訓練するために、コントラストプレトレーニングフェーズを導入する。
提案したコントラスト事前学習,ランダムマスキング機構,アンサンブルアーキテクチャが,コークス分類性能の向上に寄与していることを示す。
論文 参考訳（メタデータ） (2021-05-17T01:27:20Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳（メタデータ） (2020-05-03T02:36:00Z) - Can Machine Learning Be Used to Recognize and Diagnose Coughs? [3.2265234594751155]
呼吸器感染症のスクリーニングには,低複雑性,自動認識,診断ツールが有用である。
コンボリューショナルニューラルネットワーク (CNN) を用いて, 環境音のコアを検出し, 3つの潜在的な疾患を診断する。
提案された検出モデルと診断モデルはどちらも精度が89%以上であり、計算効率も高い。
論文 参考訳（メタデータ） (2020-04-01T20:14:36Z)
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。