論文の概要: Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine
Learning
- arxiv url: http://arxiv.org/abs/2311.00737v1
- Date: Wed, 1 Nov 2023 13:57:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-03 16:06:28.715993
- Title: Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine
Learning
- Title（参考訳）: 機械学習によるcovid-19のリアルタイム磁気追跡と診断
- Authors: Dang Nguyen, Phat K. Huynh, Vinh Duc An Bui, Kee Young Hwang,
Nityanand Jain, Chau Nguyen, Le Huu Nhat Minh, Le Van Truong, Xuan Thanh
Nguyen, Dinh Hoang Nguyen, Le Tien Dung, Trung Q. Le, and Manh-Huong Phan
- Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。
本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
- 参考スコア（独自算出の注目度）: 2.737411991771932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The COVID-19 pandemic underscored the importance of reliable, noninvasive
diagnostic tools for robust public health interventions. In this work, we fused
magnetic respiratory sensing technology (MRST) with machine learning (ML) to
create a diagnostic platform for real-time tracking and diagnosis of COVID-19
and other respiratory diseases. The MRST precisely captures breathing patterns
through three specific breath testing protocols: normal breath, holding breath,
and deep breath. We collected breath data from both COVID-19 patients and
healthy subjects in Vietnam using this platform, which then served to train and
validate ML models. Our evaluation encompassed multiple ML algorithms,
including support vector machines and deep learning models, assessing their
ability to diagnose COVID-19. Our multi-model validation methodology ensures a
thorough comparison and grants the adaptability to select the most optimal
model, striking a balance between diagnostic precision with model
interpretability. The findings highlight the exceptional potential of our
diagnostic tool in pinpointing respiratory anomalies, achieving over 90%
accuracy. This innovative sensor technology can be seamlessly integrated into
healthcare settings for patient monitoring, marking a significant enhancement
for the healthcare infrastructure.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)のパンデミックは、信頼できる非侵襲的な診断ツールの重要性を強調した。
本研究では、磁気呼吸センシング技術(mrst)と機械学習(ml)を融合して、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
MRSTは、正常な呼吸、保持する呼吸、深呼吸という3つの特定の呼吸テストプロトコルを通して、呼吸パターンを正確に捉えます。
われわれはこのプラットフォームを用いて、新型コロナウイルス患者とベトナムの健康な被験者の呼吸データを収集し、MLモデルのトレーニングと評価に役立てた。
我々の評価では、サポートベクターマシンやディープラーニングモデルを含む複数のMLアルゴリズムを含み、新型コロナウイルスの診断能力を評価した。
当社のマルチモデル検証手法は,徹底的な比較を保証し,最も最適なモデルを選択するための適応性を与え,診断精度とモデルの解釈可能性とのバランスを図ります。
以上より,呼吸異常を特定できる診断ツールが90%以上の精度を発揮できる可能性が示唆された。
この革新的なセンサー技術は、患者のモニタリングのための医療設定にシームレスに統合することができる。
関連論文リスト
- Automatic Detection of COVID-19 from Chest X-ray Images Using Deep Learning Model [3.8329708057847305]
コロナウイルス(2019-nCoV)は昨年から広く普及しており、世界中に波及している。
テストキットが限られているため、従来の手法で重篤な呼吸障害のある患者を検査するのも大変な作業である。
本稿では,ディープラーニングを用いた診断システムの有効性を示すモデルを提案する。
論文 参考訳（メタデータ） (2024-08-27T10:01:58Z) - Secure Federated Learning Approaches to Diagnosing COVID-19 [0.0]
本稿では,HIVの診断を支援するHIPAA対応モデルを提案する。
フェデレートラーニング(Federated Learning)は、分散機械学習のアプローチであり、複数の分散デバイスをまたいだアルゴリズムトレーニングを可能にする。
そこで我々は, 新型コロナウイルスの陽性診断を示す胸部X線の特徴を浮き彫りにする可視化技術を用いた。
論文 参考訳（メタデータ） (2024-01-23T02:14:05Z) - Advancing Diagnostic Precision: Leveraging Machine Learning Techniques
for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest
X-Ray Images [0.0]
新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。
救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
論文 参考訳（メタデータ） (2023-10-09T18:38:49Z) - Machine Learning Sensors for Diagnosis of COVID-19 Disease Using Routine
Blood Values for Internet of Things Application [0.0]
ヒストグラムに基づくGradient Boosting (HGB) は、100%の精度で、学習時間は6.39秒であった。
我々は、これらの11の特徴とその組み合わせを、病気の診断においてMLセンサーの重要なバイオマーカーとして使用し、ArduinoおよびクラウドIoTサービス上でエッジコンピューティングをサポートすることを提案する。
論文 参考訳（メタデータ） (2022-09-08T01:35:45Z) - 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) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Accelerating COVID-19 Differential Diagnosis with Explainable Ultrasound
Image Analysis [7.471424290647929]
われわれは106本のビデオからなる新型コロナウイルスの肺超音波(US)データセットを公開している。
我々は、フレームベースの畳み込みニューラルネットワークを提案し、COVID-19 USビデオの感度0.98+0.04、特異度0.91+-08で正しく分類する。
論文 参考訳（メタデータ） (2020-09-13T23:52:03Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z)
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。