論文の概要: Early Detection of Tuberculosis with Machine Learning Cough Audio
Analysis: Towards More Accessible Global Triaging Usage
- arxiv url: http://arxiv.org/abs/2310.17675v1
- Date: Wed, 25 Oct 2023 23:22:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-30 16:11:40.828183
- Title: Early Detection of Tuberculosis with Machine Learning Cough Audio
Analysis: Towards More Accessible Global Triaging Usage
- Title（参考訳）: 機械学習による早期結核検出 : よりアクセシブルなグローバルトリアージ利用を目指して
- Authors: Chandra Suda
- Abstract要約: TB診断のための現在の金の基準は遅いかアクセス不能である。
現在の機械学習(ML)診断研究は、胸部X線写真の利用と同様に効果がない。
新たなMLアーキテクチャを用いて,スマートフォンからコーズの音響疫学を解析するアンサンブルモデルを開発した。
結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tuberculosis (TB), a bacterial disease mainly affecting the lungs, is one of
the leading infectious causes of mortality worldwide. To prevent TB from
spreading within the body, which causes life-threatening complications, timely
and effective anti-TB treatment is crucial. Cough, an objective biomarker for
TB, is a triage tool that monitors treatment response and regresses with
successful therapy. Current gold standards for TB diagnosis are slow or
inaccessible, especially in rural areas where TB is most prevalent. In
addition, current machine learning (ML) diagnosis research, like utilizing
chest radiographs, is ineffective and does not monitor treatment progression.
To enable effective diagnosis, an ensemble model was developed that analyzes,
using a novel ML architecture, coughs' acoustic epidemiologies from
smartphones' microphones to detect TB. The architecture includes a 2D-CNN and
XGBoost that was trained on 724,964 cough audio samples and demographics from 7
countries. After feature extraction (Mel-spectrograms) and data augmentation
(IR-convolution), the model achieved AUROC (area under the receiving operator
characteristic) of 88%, surpassing WHO's requirements for screening tests. The
results are available within 15 seconds and can easily be accessible via a
mobile app. This research helps to improve TB diagnosis through a promising
accurate, quick, and accessible triaging tool.
- Abstract（参考訳）: 肺に主に影響を及ぼす細菌性疾患である結核(tb)は、世界でも有数の感染症の死因の一つである。
生命を脅かす合併症を引き起こす体内におけるTBの拡散を防止するために、タイムリーかつ効果的な抗TB治療が重要である。
TBの客観的バイオマーカーであるCoughは、治療反応をモニターし、治療を成功させるトリアージツールである。
TB診断のための現在の金の基準は、特にTBが最も普及している農村部では遅いかアクセス不能である。
さらに、胸部X線写真などの現在の機械学習(ML)診断研究は効果がなく、治療の進行を監視できない。
効果的な診断を実現するため,新しいMLアーキテクチャを用いてスマートフォンのマイクから音響疫学を解析し,TBを検出するアンサンブルモデルを開発した。
このアーキテクチャには2d-cnnとxgboostが含まれ、724,964のcoughオーディオサンプルと7カ国の人口統計に基づいてトレーニングされた。
特徴抽出 (Mel-spectrograms) とデータ拡張 (IR-畳み込み) を経て,AUROC (受信演算子特性下) の88%を達成し, WHOの検査基準を超越した。
結果は15秒以内に提供され、モバイルアプリから簡単にアクセスできる。
この研究は、正確で高速でアクセス可能なトリージングツールを通じて、tb診断を改善するのに役立つ。
関連論文リスト
- Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。
本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。
ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
論文 参考訳（メタデータ） (2024-06-19T18:10:06Z) - Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using
Self-Supervised Learning [0.0]
世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。
放射線医による視覚的解釈は、特に小児TBにおいて主観的、時間的、誤認しがちである。
本稿では,CXR における TB 検出を改善するために視覚変換器 (ViT) を利用した新たな自己監督パラダイムを提案する。
論文 参考訳（メタデータ） (2024-02-22T17:55:18Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Deep learning-based lung segmentation and automatic regional template in
chest X-ray images for pediatric tuberculosis [0.0]
臨床実習における胸部X線検査(CXR)によるTB評価
人工知能が支援するコンピュータ支援診断システムは、経験豊富な放射線科医のTB読取に匹敵する性能を示した。
小児CXR画像から肺・縦隔領域を自動的に局所化し抽出することを目的とした多視点深層学習ソリューションを提案する。
論文 参考訳（メタデータ） (2023-01-31T17:33:35Z) - Class dependency based learning using Bi-LSTM coupled with the transfer
learning of VGG16 for the diagnosis of Tuberculosis from chest x-rays [0.0]
本稿では,後部胸部X線検査からTBの診断を自動で行う方法を提案する。
提案されたモデルは97.76%、97.01%、96.42%、94.11%の精度と感度を達成した。
論文 参考訳（メタデータ） (2021-07-19T15:13:46Z) - TB-Net: A Tailored, Self-Attention Deep Convolutional Neural Network
Design for Detection of Tuberculosis Cases from Chest X-ray Images [66.93350009086132]
結核は世界的な健康問題であり、感染症による死亡の主な原因です。
リソース制限シナリオで使用する人工知能ベースのTBスクリーニングソリューションに大きな関心が寄せられています。
TBケーススクリーニングに適した自己意識型ディープ畳み込みニューラルネットワークTB-Netについて紹介します。
論文 参考訳（メタデータ） (2021-04-06T14:09:05Z) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - Deep Learning Methods for Screening Pulmonary Tuberculosis Using Chest
X-rays [0.974672460306765]
提案したディープラーニングパイプラインは,肺X線の生成,分画,分類を行う,最先端の3つのアーキテクチャの異なる状態で構成されている。
分類精度は97.1% (Youden's index-0.941, Sensitivity of 97.9%, specificity of 96.2%) となり,既存の文献と比較してかなり改善された。
論文 参考訳（メタデータ） (2020-12-25T14:21:35Z) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳（メタデータ） (2020-05-28T10:54:34Z) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:19:15Z)
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。