論文の概要: Multimodal Marvels of Deep Learning in Medical Diagnosis: A Comprehensive Review of COVID-19 Detection

• arxiv url: http://arxiv.org/abs/2501.09506v2
• Date: Tue, 21 Jan 2025 07:09:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:19:48.524201
• Title: Multimodal Marvels of Deep Learning in Medical Diagnosis: A Comprehensive Review of COVID-19 Detection
• Title（参考訳）: 医療診断における深層学習のマルチモーダルマーベル : COVID-19検出の概観
• Authors: Md Shofiqul Islam, Khondokar Fida Hasan, Hasibul Hossain Shajeeb, Humayan Kabir Rana, Md Saifur Rahmand, Md Munirul Hasan, AKM Azad, Ibrahim Abdullah, Mohammad Ali Moni,
• Abstract要約: 本研究は、新型コロナウイルスを例として、診断における多モード深層学習(DL)の可能性について概説する。 新型コロナウイルス(COVID-19)パンデミックの間、人工知能の応用が成功し、病気のスクリーニング、予測、分類におけるDLの能力を明らかにすることを目的としている。
• 参考スコア（独自算出の注目度）: 3.005401300442587
• License:
• Abstract: This study presents a comprehensive review of the potential of multimodal deep learning (DL) in medical diagnosis, using COVID-19 as a case example. Motivated by the success of artificial intelligence applications during the COVID-19 pandemic, this research aims to uncover the capabilities of DL in disease screening, prediction, and classification, and to derive insights that enhance the resilience, sustainability, and inclusiveness of science, technology, and innovation systems. Adopting a systematic approach, we investigate the fundamental methodologies, data sources, preprocessing steps, and challenges encountered in various studies and implementations. We explore the architecture of deep learning models, emphasising their data-specific structures and underlying algorithms. Subsequently, we compare different deep learning strategies utilised in COVID-19 analysis, evaluating them based on methodology, data, performance, and prerequisites for future research. By examining diverse data types and diagnostic modalities, this research contributes to scientific understanding and knowledge of the multimodal application of DL and its effectiveness in diagnosis. We have implemented and analysed 11 deep learning models using COVID-19 image, text, and speech (ie, cough) data. Our analysis revealed that the MobileNet model achieved the highest accuracy of 99.97% for COVID-19 image data and 93.73% for speech data (i.e., cough). However, the BiGRU model demonstrated superior performance in COVID-19 text classification with an accuracy of 99.89%. The broader implications of this research suggest potential benefits for other domains and disciplines that could leverage deep learning techniques for image, text, and speech analysis.
• Abstract（参考訳）: 本研究は、COVID-19を例として、診断における多モード深層学習(DL)の可能性について包括的に検討した。 この研究は、新型コロナウイルス(COVID-19)パンデミックにおける人工知能の応用の成功により、病気のスクリーニング、予測、分類におけるDLの能力を解明し、科学、技術、革新システムのレジリエンス、持続可能性、包括性を高める洞察を導き出すことを目的としている。 体系的なアプローチを採用することで、様々な研究や実装で直面する基本的な方法論、データソース、前処理ステップ、課題について検討する。 ディープラーニングモデルのアーキテクチャを探求し、データ固有の構造と基礎となるアルゴリズムを強調します。 次に、COVID-19分析で活用されるさまざまなディープラーニング戦略を比較し、今後の研究に必要な方法論、データ、パフォーマンス、前提条件に基づいて評価する。 本研究は多種多様なデータ型と診断モダリティを調べることにより,DLのマルチモーダル適用に関する科学的理解と知識と,その診断における有効性に寄与する。 我々は、新型コロナウイルスの画像、テキスト、音声(ie, cough)データを用いて、11のディープラーニングモデルを実装し、分析した。 我々の分析によると、MobileNetモデルは、新型コロナウイルスの画像データで99.97%、音声データで93.73%の精度を達成した。 しかし、BiGRUモデルは、99.89%の精度で、新型コロナウイルスのテキスト分類において優れた性能を示した。 この研究のより広範な意味は、画像、テキスト、音声分析の深層学習技術を活用することができる他の分野や分野に対する潜在的な利点を示唆している。

関連論文リスト

• TopOC: Topological Deep Learning for Ovarian and Breast Cancer Diagnosis [3.262230127283452]
  トポロジカルデータ分析は、異なる色チャネルにわたるトポロジカルパターンの評価を通じて重要な情報を抽出することで、ユニークなアプローチを提供する。 卵巣癌と乳癌では, トポロジカルな特徴を取り入れることで, 腫瘍型の分化が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2024-10-13T12:24:13Z)
• Prognosis of COVID-19 using Artificial Intelligence: A Systematic Review and Meta-analysis [0.23221087157793407]
  この研究は、新型コロナウイルスの予後のためのAIの使用に関する論文を同定し、評価し、合成する。 例えば、Siamenseモデル、サポートベクターマシン、ランダムフォレスト、eXtreme Gradient Boosting、畳み込みニューラルネットワークなどである。 その結果, 死亡率71%, 88%, 67%の感度, 重症度評価, 換気の必要性が確認された。
  論文  参考訳（メタデータ） (2024-08-01T00:33:32Z)
• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• Symptom-based Machine Learning Models for the Early Detection of COVID-19: A Narrative Review [0.0]
  機械学習モデルは、患者の報告した症状、臨床データ、医療画像などを取り入れて、大規模なデータセットを分析することができる。 本稿では、その性能と限界を含む、COVID-19を予測するための症状のみの機械学習モデルの概要について概説する。 また、画像ベースモデルと比較して、症状ベースのモデルの性能についても検討する。
  論文  参考訳（メタデータ） (2023-12-08T01:41:42Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Multi-objective optimization determines when, which and how to fuse deep networks: an application to predict COVID-19 outcomes [1.8351254916713304]
  マルチモーダル・エンド・ツー・エンドモデルのセットアップを最適化する新しい手法を提案する。 我々はAIforCOVIDデータセット上でテストを行い、最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-04-07T23:07:33Z)
• When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning Framework in Classification of Medical Images on Limited Data: A COVID-19 Case Study [77.34726150561087]
  新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。 CNNは医療画像の解析に広く利用され、検証されている。
  論文  参考訳（メタデータ） (2022-03-24T02:09:41Z)
• A Survey of Deep Learning Techniques for the Analysis of COVID-19 and their usability for Detecting Omicron [0.24466725954625884]
  2019年12月のコロナウイルス(COVID-19)の流行は、世界中で人間の脅威となっている。 深層学習 (DL) 技術は, 放射線画像における感染領域の解析とデライン化に, タイムリーに有効であることが証明された。 本稿では,DL手法の詳細な調査を行い,診断戦略と学習アプローチに基づく分類法について述べる。
  論文  参考訳（メタデータ） (2022-02-13T17:44:33Z)
• 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)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。