論文の概要: Discriminant audio properties in deep learning based respiratory insufficiency detection in Brazilian Portuguese
- arxiv url: http://arxiv.org/abs/2405.17569v1
- Date: Mon, 27 May 2024 18:04:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-29 23:31:09.192899
- Title: Discriminant audio properties in deep learning based respiratory insufficiency detection in Brazilian Portuguese
- Title(参考訳): ブラジルポルトガル語における深層学習に基づく呼吸不全検出における識別音声特性
- Authors: Marcelo Matheus Gauy, Larissa Cristina Berti, Arnaldo Cândido Jr, Augusto Camargo Neto, Alfredo Goldman, Anna Sara Shafferman Levin, Marcus Martins, Beatriz Raposo de Medeiros, Marcelo Queiroz, Ester Cerdeira Sabino, Flaviane Romani Fernandes Svartman, Marcelo Finger,
- Abstract要約: 本研究では,音声分析により呼吸不全(RI)を検出する人工知能(AI)システムについて検討する。
パンデミックの第1段階で、新型コロナウイルス患者からRIデータ(P1)を収集した。
我々は、AIベースのRI検出を拡張すべく、COVID-19以外のいくつかの原因からRI患者データ(P2)を収集した。
- 参考スコア(独自算出の注目度): 2.479344427690515
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work investigates Artificial Intelligence (AI) systems that detect respiratory insufficiency (RI) by analyzing speech audios, thus treating speech as a RI biomarker. Previous works collected RI data (P1) from COVID-19 patients during the first phase of the pandemic and trained modern AI models, such as CNNs and Transformers, which achieved $96.5\%$ accuracy, showing the feasibility of RI detection via AI. Here, we collect RI patient data (P2) with several causes besides COVID-19, aiming at extending AI-based RI detection. We also collected control data from hospital patients without RI. We show that the considered models, when trained on P1, do not generalize to P2, indicating that COVID-19 RI has features that may not be found in all RI types.
- Abstract(参考訳): 本研究では,音声分析により呼吸不全(RI)を検出する人工知能(AI)システムについて検討し,音声をRIバイオマーカーとして扱う。
パンデミックの第1フェーズにおいて、新型コロナウイルス患者のRIデータ(P1)を収集し、CNNやTransformersといった近代的なAIモデルを訓練した。
ここでは、AIベースのRI検出の拡張を目的とした、COVID-19以外のいくつかの原因を含むRI患者データ(P2)を収集する。
また,RIを伴わない患者からのコントロールデータも収集した。
検討したモデルがP1で訓練された場合、P2に一般化せず、すべてのRIタイプにはない可能性のある特徴がCOVID-19 RIにあることを示す。
関連論文リスト
- Audio MFCC-gram Transformers for respiratory insufficiency detection in
COVID-19 [3.6042575355093907]
本研究は,バイオマーカーとしての音声を探索し,音声サンプルの分析により呼吸不全(RI)の検出について検討する。
以前の研究は、呼吸器不全の患者発話のデータセットを構築し、畳み込みニューラルネットワークを用いて分析した。
本稿では,Transformer ニューラルネットワークアーキテクチャが RI 検出の性能を向上する方法について検討する。
論文 参考訳(メタデータ) (2022-10-25T15:11:40Z) - AI-based software for lung nodule detection in chest X-rays -- Time for
a second reader approach? [0.0]
日本放射線技術学会データベースを解析した。
AIモード -- 自動化とアシスト -- は、平均的な感度向上を生み出した。
どちらのAIモードも、放射線技師が見逃した肺結節をかなりの数の症例でフラグ付けした。
論文 参考訳(メタデータ) (2022-06-22T08:35:04Z) - Automatic COVID-19 disease diagnosis using 1D convolutional neural
network and augmentation with human respiratory sound based on parameters:
cough, breath, and voice [0.0]
人工知能(AI)の様々なモデルが現実の世界に入り、音声、音声、声、声、息といった人為的な音から新型コロナウイルスの病気を検出する。
1次元(1D)のCNNが提案され、人間の呼吸音(声、うず、息など)からCOVID-19の呼吸器疾患を診断するために実装されている。
新型コロナウイルスのサウンドデータセットの事前処理性能を改善するために、拡張ベースのメカニズムが適用される。
論文 参考訳(メタデータ) (2021-12-14T10:41:04Z) - 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) - The pitfalls of using open data to develop deep learning solutions for
COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。
オープンソースデータのトレーニングやテストでは,結果は異例です。
データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文 参考訳(メタデータ) (2021-09-14T10:59:11Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳(メタデータ) (2021-03-18T03:31:33Z) - An Explainable AI System for Automated COVID-19 Assessment and Lesion
Categorization from CT-scans [8.694504007704994]
SARS-CoV-2病原体による新型コロナウイルス感染症は、世界中で壊滅的なパンデミックである。
深層学習パラダイムに基づくAIを用いたパイプラインを提案し,CTスキャンによるCOVID-19検出と病変分類を自動化した。
論文 参考訳(メタデータ) (2021-01-28T11:47:35Z) - 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) - Artificial Intelligence to Assist in Exclusion of Coronary
Atherosclerosis during CCTA Evaluation of Chest-Pain in the Emergency
Department: Preparing an Application for Real-World Use [6.9835031964130545]
冠状動脈硬化の欠如に対するCCTAスクリーニングにおける医師の解釈を支援するAIアルゴリズムとワークフローの開発について述べる。
このアルゴリズムは AUC-ROC = 0.96 で強い性能を示した。
このAIアプリケーションはCCTAの解釈を補助し、胸部ペーストによる動脈硬化を促進できる可能性がある。
論文 参考訳(メタデータ) (2020-08-10T16:07:04Z) - 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)
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。