論文の概要: Transfer Learning to Detect COVID-19 Coughs with Incremental Addition of Patient Coughs to Healthy People's Cough Detection Models

• arxiv url: http://arxiv.org/abs/2311.06707v1
• Date: Sun, 12 Nov 2023 02:01:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-14 17:19:34.466054
• Title: Transfer Learning to Detect COVID-19 Coughs with Incremental Addition of Patient Coughs to Healthy People's Cough Detection Models
• Title（参考訳）: 転校学習によるcovid-19検出モデルへの患者こぎりのインクリメンタル付加による検出
• Authors: Sudip Vhaduri, Seungyeon Paik, and Jessica E Huber
• Abstract要約: Coughingは、スマートフォンのマイクセンサーから客観的に検出しようとしている一般的な症状の1つだ。 本研究は, 健康な患者と新型コロナウイルス患者との関係を生かした, インクリメンタルトランスファー学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.6554326244334866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Millions of people have died worldwide from COVID-19. In addition to its high death toll, COVID-19 has led to unbearable suffering for individuals and a huge global burden to the healthcare sector. Therefore, researchers have been trying to develop tools to detect symptoms of this human-transmissible disease remotely to control its rapid spread. Coughing is one of the common symptoms that researchers have been trying to detect objectively from smartphone microphone-sensing. While most of the approaches to detect and track cough symptoms rely on machine learning models developed from a large amount of patient data, this is not possible at the early stage of an outbreak. In this work, we present an incremental transfer learning approach that leverages the relationship between healthy peoples' coughs and COVID-19 patients' coughs to detect COVID-19 coughs with reasonable accuracy using a pre-trained healthy cough detection model and a relatively small set of patient coughs, reducing the need for large patient dataset to train the model. This type of model can be a game changer in detecting the onset of a novel respiratory virus.
• Abstract（参考訳）: 新型コロナウイルスで世界中で何百万人もの人が死亡した。 死者数の増加に加えて、covid-19は個人にとって耐え難い苦痛をもたらし、医療業界に大きな世界的な負担となっている。 そこで研究者たちは、この人体感染性疾患の症状を遠隔で検出し、その急速な拡散を抑えるツールを開発しようとしている。 coughingは、スマートフォンのマイクセンシングから客観的に検出しようとしている一般的な症状の1つだ。 干ばつ症状の検出と追跡のアプローチのほとんどは、大量の患者データから開発された機械学習モデルに依存しているが、アウトブレイクの初期段階では不可能である。 そこで本研究では,本研究は,健康な人のせきとcovid-19患者のせきとの間の関係を利用して,事前訓練した健康なせき検出モデルと比較的少ない患者いきを用いて,適切な精度で検出するインクリメンタル・トランスファー・ラーニング・アプローチを提案する。 このタイプのモデルは、新規な呼吸器ウイルスの発症を検出するゲームチェンジャーとなる。

関連論文リスト

• Developing a Dual-Stage Vision Transformer Model for Lung Disease Classification [1.533621522547669]
  肺疾患は全米で流行し、3400万人以上の人に影響を与えている。 さまざまな種類の肺疾患の正確な診断とタイムリーな診断が重要であり、人工知能(AI)の手法はこれらのプロセスを高速化する可能性がある。 この研究を通じて、視覚変換器(ViT)とスイニング変換器(Swin Transformer)を統合して、X線スキャンで14種類の肺疾患を分類する。
  論文  参考訳（メタデータ） (2024-09-26T19:59:36Z)
• Discovering COVID-19 Coughing and Breathing Patterns from Unlabeled Data Using Contrastive Learning with Varying Pre-Training Domains [3.935053618942546]
  本研究は,非ウイルス性うさぎの呼吸パターン発見のための,対照的な学習に基づくモデリング手法を提案する。 以上の結果から, 提案モデルでは, ラベル付けされていないデータやラベル付けされていない非新型コロナウイルスを, 0.81 と 0.86 の精度で効果的に識別できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-02T18:41:39Z)
• 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)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• 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)
• Deep Neural Networks for COVID-19 Detection and Diagnosis using Images and Acoustic-based Techniques: A Recent Review [0.36550217261503676]
  新型コロナウイルスは2020年3月から世界保健機関(WHO)によってパンデミックと宣言されている。 これは、非定型肺炎を発症する可能性のある呼吸性熱帯性ウイルス感染である。 専門家は、COVID-19ウイルスを持っている人の早期発見の重要性を強調しています。
  論文  参考訳（メタデータ） (2020-12-10T19:52:12Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)
• Pay Attention to the cough: Early Diagnosis of COVID-19 using Interpretable Symptoms Embeddings with Cough Sound Signal Processing [0.0]
  新型コロナウイルス(SARS-CoV-2によるコロナウイルスのパンデミック)は、人類にとって恐ろしく壊滅的な大惨事を引き起こしている。 新型コロナウイルスの現在の診断は、RT-PCR(Reverse-Transcription Polymer Chain Reaction)テストによって行われる。 音声の特徴と症状メタデータに基づいて、解釈可能で新型コロナウイルスの診断AIフレームワークを開発、開発する。
  論文  参考訳（メタデータ） (2020-10-06T01:22:50Z)
• 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)
• 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。