論文の概要: Development of CODO: A Comprehensive Tool for COVID-19 Data Representation, Analysis, and Visualization

• arxiv url: http://arxiv.org/abs/2411.02423v1
• Date: Tue, 22 Oct 2024 11:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 12:31:13.080710
• Title: Development of CODO: A Comprehensive Tool for COVID-19 Data Representation, Analysis, and Visualization
• Title（参考訳）: 新型コロナウイルスデータ表現、分析、可視化のための総合ツールCODOの開発
• Authors: Biswanath Dutta, Debanjali Bain,
• Abstract要約: 標準化された語彙と関係を使ってドメイン内の知識を形式化するオントロジーは、AIにおいて重要な役割を果たす。 新型コロナウイルス(COVID-19)の多様性は、この情報を人間と機械の両方で理解する上での課題となる。 新型コロナウイルス(COVID-19)は、パンデミックの特定の側面に対処するように設計されているが、すべての重要な側面を包括的にカバーしていない。 統合オントロジ疫学モデルであるCODOは、エチオロジー、語彙、伝達、病原性、診断、予防、ゲノム学、治療安全など、新型コロナウイルス情報の重要な側面を包含して開発された。
• 参考スコア（独自算出の注目度）: 4.475091558538915
• License:
• Abstract: Artificial intelligence (AI) has become indispensable for managing and processing the vast amounts of data generated during the COVID-19 pandemic. Ontology, which formalizes knowledge within a domain using standardized vocabularies and relationships, plays a crucial role in AI by enabling automated reasoning, data integration, semantic interoperability, and extracting meaningful insights from extensive datasets. The diversity of COVID-19 datasets poses challenges in comprehending this information for both human and machines. Existing COVID-19 ontologies are designed to address specific aspects of the pandemic but lack comprehensive coverage across all essential dimensions. To address this gap, CODO, an integrated ontological model has been developed encompassing critical facets of COVID-19 information such as aetiology, epidemiology, transmission, pathogenesis, diagnosis, prevention, genomics, therapeutic safety, and more. This paper reviews CODO since its inception in 2020, detailing its developments and highlighting CODO as a tool for the aggregation, representation, analysis, and visualization of diverse COVID-19 data. The major contribution of this paper is to provide a summary of the development of CODO, and outline the overall development and evaluation approach. By adhering to best practices and leveraging W3C standards, CODO ensures data integration and semantic interoperability, supporting effective navigation of COVID-19 complexities across various domains.
• Abstract（参考訳）: 人工知能(AI)は、新型コロナウイルス(COVID-19)パンデミックで発生した膨大なデータを管理および処理するために欠かせないものとなっている。 標準化された語彙と関係を使ってドメイン内の知識を形式化するオントロジーは、自動推論、データ統合、セマンティック相互運用性を可能にし、広範囲なデータセットから意味のある洞察を抽出することで、AIにおいて重要な役割を果たす。 COVID-19データセットの多様性は、この情報を人間と機械の両方で理解する上での課題となっている。 既存の新型コロナウイルスのオントロジーは、パンデミックの特定の側面に対処するように設計されているが、すべての重要な側面を包括的にカバーしていない。 このギャップに対処するため、CODOは、エチオロジー、疫学、伝達、病原性、診断、予防、ゲノム学、治療安全など、新型コロナウイルス情報の重要な側面を含む統合的オントロジモデルを開発した。 本稿は、2020年の開始以来のCODOをレビューし、多様なCOVID-19データの収集、表現、分析、可視化のためのツールとして、CODOの開発を詳述する。 本論文の主な貢献は,CODO開発の概要と総合的な開発・評価アプローチについて概説することである。 ベストプラクティスに固執し、W3C標準を活用することで、CODOはデータ統合とセマンティック相互運用性を確保し、さまざまなドメインにわたるCOVID-19複合体の効果的なナビゲーションをサポートする。

関連論文リスト

• COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
  我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。 COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。 患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-11-29T14:40:31Z)
• Building Flexible, Scalable, and Machine Learning-ready Multimodal Oncology Datasets [17.774341783844026]
  本研究は、オンコロジーデータシステム(MINDS)のマルチモーダル統合を提案する。 MINDSはフレキシブルでスケーラブルで費用対効果の高いメタデータフレームワークで、公開ソースから異なるデータを効率的に分離する。 MINDSは、マルチモーダルデータを調和させることで、より分析能力の高い研究者を力づけることを目指している。
  論文  参考訳（メタデータ） (2023-09-30T15:44:39Z)
• Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset and Comprehensive Framework [51.44863255495668]
  マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。 提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。 画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-24T08:58:25Z)
• DASS Good: Explainable Data Mining of Spatial Cohort Data [3.1442270083085964]
  本稿では,人間と機械のハイブリッド開発と予測モデルの検証を支援するためのモデリングシステムDASSの共設計について述べる。 DASSには、人間のループ内の視覚的ステアリング、空間データ、説明可能なAIが組み込まれており、ドメイン知識を自動データマイニングで強化する。
  論文  参考訳（メタデータ） (2023-04-10T21:24:21Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• 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)
• Exploiting Shared Knowledge from Non-COVID Lesions for Annotation-Efficient COVID-19 CT Lung Infection Segmentation [10.667692828593125]
  新型コロナウイルスの肺感染分画における相関駆動型協調学習モデルを提案する。 我々は、抽出された特徴間の関係の整合性を調整するために、COVIDと非COVIDの病変間の共通知識を利用する。 本手法は,高品質なアノテーションが不足している既存手法と比較して,高いセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2020-12-31T11:40:29Z)
• Contrastive Cross-site Learning with Redesigned Net for COVID-19 CT Classification [20.66003113364796]
  新型コロナウイルス感染症(COVID-19)のパンデミックにより、世界の公衆衛生危機が数百カ国で拡大している。 画像解釈の面倒な作業量を削減するとともに、臨床診断を支援するために、CT画像を用いたCOVID-19識別自動化ツールの開発が望まれている。 本稿では、異種データセットを効果的に学習することで、正確な新型コロナウイルス識別を行うための新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-15T11:09:04Z)
• CODO: An Ontology for Collection and Analysis of Covid-19 Data [0.0]
  COviD-19 Ontology for Case and patient information (CODO)は、新型コロナウイルスのパンデミックに関するデータの収集と分析のためのモデルを提供する。
  論文  参考訳（メタデータ） (2020-09-02T17:32:37Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)
• COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images [93.0013343535411]
  我々は,胸部X線(CXR)画像から新型コロナウイルスの症例を検出するための,深層畳み込みニューラルネットワーク設計であるCOVID-Netを紹介した。 著者たちの知る限りでは、COVID-NetはCXRイメージからCOVID-19を検出するための、最初のオープンソースネットワーク設計の1つである。 また,13,870人の患者を対象に,13,975個のCXR画像からなるオープンアクセスベンチマークデータセットであるCOVIDxも導入した。
  論文  参考訳（メタデータ） (2020-03-22T12:26:36Z)

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。