論文の概要: Development of an intelligent system for the detection of corona virus using artificial neural network

• arxiv url: http://arxiv.org/abs/2309.13636v1
• Date: Sun, 24 Sep 2023 13:30:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 18:33:52.660799
• Title: Development of an intelligent system for the detection of corona virus using artificial neural network
• Title（参考訳）: ニューラルネットワークを用いたコロナウイルス検出のためのインテリジェントシステムの開発
• Authors: Nwafor Emmanuel O, Ngozi Maryrose Umeh, Ikechukwu Ekene Onyenwe
• Abstract要約: 本稿では,人工ニューラルネットワークを用いた新型コロナウイルス検出のためのインテリジェントシステムの開発について述べる。 ナイジェリア・エヌグのコリエリ病院から, >=38Coで683人の新型コロナウイルス患者の体温データを収集した。 混乱行列,回帰,平均二乗誤差(MSE)を用いてモデルの評価を行った結果,回帰値は0.967であり,精度は97%,MSEは0.00100Muであった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents the development of an intelligent system for the detection of coronavirus using artificial neural network. This was done after series of literature review which indicated that high fever accounts for 87.9% of the COVID-19 symptoms. 683 temperature data of COVID-19 patients at >= 38C^o were collected from Colliery hospital Enugu, Nigeria and used to train an artificial neural network detective model for the detection of COVID-19. The reference model generated was used converted into Verilog codes using Hardware Description Language (HDL) and then burn into a Field Programming Gate Array (FPGA) controller using FPGA tool in Matlab. The performance of the model when evaluated using confusion matrix, regression and means square error (MSE) showed that the regression value is 0.967; the accuracy is 97% and then MSE is 0.00100Mu. These results all implied that the new detection system for is reliable and very effective for the detection of COVID-19.
• Abstract（参考訳）: 本稿では,人工ニューラルネットワークを用いた新型コロナウイルス検出のためのインテリジェントシステムの開発について述べる。 これは、高熱がcovid-19の症状の87.9%を占めることを示す一連の文献レビューの後行われた。 ナイジェリアのエヌグ(enugu)にある病院から、38c^o=38c^oのcovid-19患者の温度データを収集し、covid-19検出のためのニューラルネットワーク探索モデルのトレーニングに使用した。 生成された参照モデルはハードウェア記述言語(HDL)を使用してVerilogコードに変換し、その後MatlabのFPGAツールを使用してFPGA(Field Programming Gate Array)コントローラに燃焼した。 混乱行列,回帰,平均二乗誤差(MSE)を用いてモデルの評価を行った結果,回帰値は0.967であり,精度は97%,MSEは0.00100Muであった。 これらの結果から,新たな検出システムは信頼性が高く,covid-19検出に非常に有効であることが示唆された。

関連論文リスト

• Evolving Tsukamoto Neuro Fuzzy Model for Multiclass Covid 19 Classification with Chest X Ray Images [2.609784101826762]
  本稿では,Covid 19の検出のための機械学習ベースのフレームワークを提案する。 提案モデルでは,コビッド19病の同定と識別に塚本神経ファジィ推論ネットワークを用いている。 提案したモデルは精度98.51%、感度98.35%、特異度98.08%、F1スコア98.17%を達成する。
  論文  参考訳（メタデータ） (2023-05-17T17:55:45Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• COVID-Net Assistant: A Deep Learning-Driven Virtual Assistant for COVID-19 Symptom Prediction and Recommendation [75.74756992992147]
  新型コロナウイルスの症状予測とレコメンデーションを提供するために設計された,効率的な仮想アシスタントであるCOVID-Net Assistantの設計を紹介する。 マシン駆動設計探索を通じて生成された、高度にカスタマイズされた軽量な畳み込みニューラルネットワークアーキテクチャについて検討する。 実験結果から,強力な予測性能を示す COVID-Net Assistant ニューラルネットワークが期待できる結果を得た。
  論文  参考訳（メタデータ） (2022-11-22T01:41:48Z)
• Developing a multi-variate prediction model for the detection of COVID-19 from Crowd-sourced Respiratory Voice Data [0.0]
  この研究の新規性は、音声記録から新型コロナウイルス患者を識別するためのディープラーニングモデルの開発である。 私たちは、新型コロナウイルスのサウンドアプリを使った4352人の参加者からクラウドソースされた、853のオーディオサンプルからなるケンブリッジ大学のデータセットを使用しました。 音声データに基づいて,陽性症例を検出する深層学習分類モデルを開発した。
  論文  参考訳（メタデータ） (2022-09-08T11:46:37Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk Screening by Eye-region Manifestations [59.48245489413308]
  携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。 AUC, 感度, 特異性, 精度, F1。
  論文  参考訳（メタデータ） (2021-09-18T02:28:01Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• A Novel and Reliable Deep Learning Web-Based Tool to Detect COVID-19 Infection from Chest CT-Scan [0.0]
  コロナウイルスは すでに多くの国で 世界中に広がり 命を落としています この実験では、746人の参加者を含む最大規模の公共胸部CTスキャンデータベースが使用された。 Densely Connected Convolutional Network(DenseNet)とNu-SVMを併用して、新型コロナウイルスと健康管理を区別した。
  論文  参考訳（メタデータ） (2020-06-24T13:47:54Z)
• Automated Detection of COVID-19 from CT Scans Using Convolutional Neural Networks [0.0]
  COVID-19はSARS-CoV 2003と同様の呼吸器障害を引き起こす感染症である。 U-Netアーキテクチャを用いて2次元セグメンテーションモデルを構築し,感染領域をマークアウトして出力する。
  論文  参考訳（メタデータ） (2020-06-23T06:50:41Z)
• Automatic Detection of Coronavirus Disease (COVID-19) in X-ray and CT Images: A Machine Learning-Based Approach [2.488407849738164]
  新型コロナウイルスは感染性が高く、臨床的に承認された抗ウイルス薬やワクチンが使用できない病原体である。 現在、カナダでは新型コロナウイルスの初診は推奨されていない。 本研究では,新型コロナウイルスの自動分類のためのディープラーニングに基づく特徴抽出フレームワークの比較を行った。
  論文  参考訳（メタデータ） (2020-04-22T15:34:45Z)

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。