Fugu-MT 論文翻訳(概要): An Ensemble Machine Learning Approach for Screening Covid-19 based on Urine Parameters

論文の概要: An Ensemble Machine Learning Approach for Screening Covid-19 based on Urine Parameters

arxiv url: http://arxiv.org/abs/2311.01854v1
Date: Fri, 3 Nov 2023 11:45:10 GMT
ステータス: 処理完了
システム内更新日: 2023-11-06 14:22:33.704141
Title: An Ensemble Machine Learning Approach for Screening Covid-19 based on Urine Parameters
Title（参考訳）: 尿パラメータに基づく新型コロナウイルススクリーニングのためのアンサンブル機械学習アプローチ
Authors: Behzad Moayedi, Abdalsamad Keramatfar, Mohammad Hadi Goldani, Mohammad Javad Fallahi, Alborz Jahangirisisakht, Mohammad Saboori, Leyla badiei
Abstract要約: 新型コロナウイルスの急速な普及と新型ウイルスの出現は、効果的なスクリーニングの重要性を浮き彫りにしている。 PCR検査は新型コロナウイルス(COVID-19)の診断における金の基準であるが、費用と時間を要する。尿検査ストリップは、患者の健康状態に関する重要な情報を提供する、安価で非侵襲的で、迅速に入手可能なスクリーニング方法である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The rapid spread of COVID-19 and the emergence of new variants underscore the importance of effective screening measures. Rapid diagnosis and subsequent quarantine of infected individuals can prevent further spread of the virus in society. While PCR tests are the gold standard for COVID-19 diagnosis, they are costly and time-consuming. In contrast, urine test strips are an inexpensive, non-invasive, and rapidly obtainable screening method that can provide important information about a patient's health status. In this study, we collected a new dataset and used the RGB (Red Green Blue) color space of urine test strips parameters to detect the health status of individuals. To improve the accuracy of our model, we converted the RGB space to 10 additional color spaces. After evaluating four different machine learning models, we proposed a new ensemble model based on a multi-layer perceptron neural network. Although the initial results were not strong, we were able to improve the model's screening performance for COVID-19 by removing uncertain regions of the model space. Ultimately, our model achieved a screening accuracy of 80% based on urine parameters. Our results suggest that urine test strips can be a useful tool for COVID-19 screening, particularly in resource-constrained settings where PCR testing may not be feasible. Further research is needed to validate our findings and explore the potential role of urine test strips in COVID-19 diagnosis and management.
Abstract（参考訳）: 新型コロナウイルスの急速な拡大と新型ウイルスの出現は、効果的なスクリーニング対策の重要性を強調している。感染した個体の迅速診断と検疫は、社会におけるウイルスのさらなる拡散を防ぐことができる。 PCR検査は新型コロナウイルス(COVID-19)の診断における金の基準であるが、費用と時間を要する。対照的に、尿検査帯は安価で非侵襲的で迅速に入手可能なスクリーニング方法であり、患者の健康状態に関する重要な情報を提供する。本研究では,新しいデータセットを収集し,尿路検査パラメータのrgb (red green blue)色空間を用いて,個人の健康状態を検出する。モデルの精度を向上させるために、rgbの空間を10の色空間に変換しました。 4つの異なる機械学習モデルの評価の後、我々は多層パーセプトロンニューラルネットワークに基づく新しいアンサンブルモデルを提案した。最初の結果はあまり強くなかったが、モデルスペースの不確かさを取り除くことで、covid-19のスクリーニング性能を向上させることができた。最終的に尿のパラメータに基づいて80%のスクリーニング精度を得た。以上の結果から,尿検査ストリップは,特にPCR検査が不可能な資源制約のある環境では,新型コロナウイルススクリーニングに有用であることが示唆された。以上の知見を検証し, 診断・管理における尿検査帯の役割について検討する上で, さらなる研究が必要である。

関連論文リスト

MEDNC: Multi-ensemble deep neural network for COVID-19 diagnosis [29.909378035039214]
我々は,CT画像を用いた新型コロナウイルスの自動予測と診断のための深層学習フレームワークMEDNCを提案する。当社のモデルは、COVID-19データの公開セットを2つ使用してトレーニングされました。その結果、MEDNCは新型コロナウイルス感染症の検出を大幅に強化し、それぞれ98.79%と99.82%の精度に達した。
論文参考訳（メタデータ） (2023-04-25T20:26:05Z)
Development of a Risk-Free COVID-19 Screening Algorithm from Routine Blood Tests Using Ensemble Machine Learning [0.0]
キットの不足とコストが原因で、多くの人々が感染し、検査前に回復または死亡している。この研究は、リスクフリーで高精度なStacked Ensemble Machine Learningモデルを提案することで、COVID-19検出の概念を活用する。提案手法は,ユビキタス・ユビキタス・ローコストスクリーニングアプリケーションの可能性を有する。
論文参考訳（メタデータ） (2021-08-12T11:01:53Z)
COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文参考訳（メタデータ） (2021-05-04T19:01:40Z)
Virufy: A Multi-Branch Deep Learning Network for Automated Detection of COVID-19 [1.9899603776429056]
研究者は、臨床設定で記録された音声サンプルを使用して新型コロナウイルス感染状態を検出するモデルを提示しました。そこで本研究では,クラウドソースデータを用いて,手作業によるデータ処理やクリーン化を行わないマルチブランチ深層学習ネットワークを提案する。
論文参考訳（メタデータ） (2021-03-02T15:31:09Z)
Decision and Feature Level Fusion of Deep Features Extracted from Public COVID-19 Data-sets [6.445605125467574]
新型コロナウイルスの早期診断において、胸部X線撮影の使用が増加している。畳み込みニューラルネットワーク(CNN)を用いたX線画像のコンピュータ支援診断システムを提案する。実験結果から,提案手法は新型コロナウイルス検出性能が高かったことが示唆された。
論文参考訳（メタデータ） (2020-11-17T09:36:21Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文参考訳（メタデータ） (2020-07-20T19:08:50Z)
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)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)
CovidAID: COVID-19 Detection Using Chest X-Ray [11.519253771314894]
新型コロナウイルス(COVID-19)患者の指数的な増加は、世界中で圧倒的な医療システムである。検査キットが限られているため、従来のRT-PCR(RT-PCR)を用いて、呼吸器疾患の全ての患者を検査することは不可能である。 RT-PCR検査において胸部X線を用いて患者の選択を優先する手法を提案する。 CovidAID: COVID-19 AI Detectorは、患者を適切な検査のためにトリアージするための、新しいディープニューラルネットワークベースのモデルである。
論文参考訳（メタデータ） (2020-04-21T08:02:52Z)
JCS: An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation [95.57532063232198]
新型コロナウイルス感染症2019(COVID-19)は、200カ国以上でパンデミックの流行を引き起こしている。感染を制御するためには、感染した人々を識別し、分離することが最も重要なステップである。本稿では,新型コロナウイルスの胸部CT診断をリアルタイムかつ説明可能な,新しい関節分類システム(JCS)を開発した。
論文参考訳（メタデータ） (2020-04-15T12:30:40Z)

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。