論文の概要: On-Site Precise Screening of SARS-CoV-2 Systems Using a Channel-Wise Attention-Based PLS-1D-CNN Model with Limited Infrared Signatures

• arxiv url: http://arxiv.org/abs/2410.20132v1
• Date: Sat, 26 Oct 2024 09:22:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:15:33.374021
• Title: On-Site Precise Screening of SARS-CoV-2 Systems Using a Channel-Wise Attention-Based PLS-1D-CNN Model with Limited Infrared Signatures
• Title（参考訳）: チャネルワイズアテンションに基づくPSS-1D-CNNモデルを用いたSARS-CoV-2システムのオンサイト精密スクリーニング
• Authors: Wenwen Zhang, Zhouzhuo Tang, Yingmei Feng, Xia Yu, Qi Jie Wang, Zhiping Lin,
• Abstract要約: 本稿では、減衰された全反射-フーリエ変換赤外分光法(ATR-FTIR)と適応的繰り返し再重み付けされたペナル化最小二乗法(AirPLS)前処理アルゴリズムと、チャネルワイドの注意に基づく畳み込みニューラルネットワーク(PLS-1D-CNN)モデルを統合する手法を提案する。 我々のモデルは、最近、呼吸器ウイルスのスペクトル検出の分野で、96.48%の認識スクリーニング精度、96.24%の感度、97.14%の特異性、96.12%のF1スコア、0.99のAUCを達成している。
• 参考スコア（独自算出の注目度）: 14.03608399920969
• License:
• Abstract: During the early stages of respiratory virus outbreaks, such as severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the efficient utilize of limited nasopharyngeal swabs for rapid and accurate screening is crucial for public health. In this study, we present a methodology that integrates attenuated total reflection-Fourier transform infrared spectroscopy (ATR-FTIR) with the adaptive iteratively reweighted penalized least squares (airPLS) preprocessing algorithm and a channel-wise attention-based partial least squares one-dimensional convolutional neural network (PLS-1D-CNN) model, enabling accurate screening of infected individuals within 10 minutes. Two cohorts of nasopharyngeal swab samples, comprising 126 and 112 samples from suspected SARS-CoV-2 Omicron variant cases, were collected at Beijing You'an Hospital for verification. Given that ATR-FTIR spectra are highly sensitive to variations in experimental conditions, which can affect their quality, we propose a biomolecular importance (BMI) evaluation method to assess signal quality across different conditions, validated by comparing BMI with PLS-GBM and PLS-RF results. For the ATR-FTIR signals in cohort 2, which exhibited a higher BMI, airPLS was utilized for signal preprocessing, followed by the application of the channel-wise attention-based PLS-1D-CNN model for screening. The experimental results demonstrate that our model outperforms recently reported methods in the field of respiratory virus spectrum detection, achieving a recognition screening accuracy of 96.48%, a sensitivity of 96.24%, a specificity of 97.14%, an F1-score of 96.12%, and an AUC of 0.99. It meets the World Health Organization (WHO) recommended criteria for an acceptable product: sensitivity of 95.00% or greater and specificity of 97.00% or greater for testing prior SARS-CoV-2 infection in moderate to high volume scenarios.
• Abstract（参考訳）: 重症急性呼吸器症候群ウイルス2(SARS-CoV-2)のような呼吸器ウイルスの早期流行では、鼻咽喉頭スワブを迅速かつ正確なスクリーニングに効果的に活用することが公衆衛生に不可欠である。 本研究では,全反射-フーリエ変換赤外分光法(ATR-FTIR)と適応的反復再加重最小二乗法(AirPLS)プリプロセッシングアルゴリズムと,チャネル単位の注意に基づく部分最小二乗1次元畳み込みニューラルネットワーク(PLS-1D-CNN)モデルを統合し,感染した個体の正確なスクリーニングを可能にする手法を提案する。 SARS-CoV-2 Omicron変異例の116例と112例からなる鼻咽喉科検体を北京青年病院で採取し,検証を行った。 ATR-FTIRスペクトルは、その品質に影響を与える実験条件の変動に非常に敏感であることを踏まえ、BMIとPSS-GBMとPSS-RFの結果を比較して、異なる条件における信号品質を評価するための生体分子重要度評価法(BMI)を提案する。 高いBMIを示すコホート2のATR-FTIR信号に対して、AirPLSは信号前処理に使われ、続いてチャネルワイドアテンションに基づくPSS-1D-CNNモデルをスクリーニングに利用した。 実験の結果, 呼吸性ウイルスのスペクトル検出の分野では, 96.48%, 感度96.24%, 特異度97.14%, F1スコア96.12%, AUC0.99が報告されている。 世界保健機関(WHO)の推奨基準である95.00%以上の感度と97.00%以上の特異度は、SARS-CoV-2以前のSARS感染を適度から高濃度のシナリオで検査する。

関連論文リスト

• On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
  本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。 本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-27T18:29:47Z)
• COVID-19 Detection from Exhaled Breath [0.4321423008988813]
  SARS-CoV-2は2019年に発生し、新型コロナウイルスのパンデミックを引き起こした。 本稿では,吐き気のみを利用する,安価で高速で非侵襲的な検知システムを提案する。 簡便な使用にもかかわらず,本システムは従来のポリメラーゼ鎖反応および抗原検査に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2023-05-30T17:01:53Z)
• Frequency comb and machine learning-based breath analysis for COVID-19 classification [0.6113111451963646]
  本研究では,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法を提案する。 コロラド大学における170個のサンプルを用いて, 受信-操作-特性曲線 0.849(4) のクロスバリデーション領域を報告した。 喫煙や腹痛などの他の変数と同様に,男性と女性の呼吸に有意な差が認められた。
  論文  参考訳（メタデータ） (2022-02-04T05:58:52Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
  本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
  論文  参考訳（メタデータ） (2021-05-06T10:21:28Z)
• A 1D-CNN Based Deep Learning Technique for Sleep Apnea Detection in IoT Sensors [3.2116198597240846]
  本稿では,ウェアラブルデバイスから取得した心電図(ECG)信号から呼吸時無呼吸検出のための新しい手法を提案する。 この新しさは、秒単位の高分解能の無呼吸検出に起因している。 このモデルはいくつかの低分解能アパネ検出法より優れる。
  論文  参考訳（メタデータ） (2021-05-02T18:35:57Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• 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)
• COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
  胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。 本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
  論文  参考訳（メタデータ） (2020-05-26T16:33:52Z)
• Deep Learning Based Detection and Localization of Intracranial Aneurysms in Computed Tomography Angiography [5.973882600944421]
  初期動脈瘤検出のための3D領域提案ネットワークと偽陽性縮小のための3D DenseNetという2段階モデルが実装された。 本モデルでは,0.25FPPV,最高F-1スコアと比較すると,統計的に高い精度,感度,特異性を示した。
  論文  参考訳（メタデータ） (2020-05-22T10:49:23Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

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。