論文の概要: Oversampling techniques for predicting COVID-19 patient length of stay

• arxiv url: http://arxiv.org/abs/2511.15048v1
• Date: Wed, 19 Nov 2025 02:38:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.596778
• Title: Oversampling techniques for predicting COVID-19 patient length of stay
• Title（参考訳）: 新型コロナウイルス患者の滞在期間予測のためのオーバーサンプリング技術
• Authors: Zachariah Farahany, Jiawei Wu, K M Sajjadul Islam, Praveen Madiraju,
• Abstract要約: 新型コロナウイルス(COVID-19)は、2019年に世界的なパンデミックを引き起こした呼吸器疾患である。 多くの危険因子を持つ患者の中には、長期の入院や病気による死亡が知られている者もいる。 本稿では、患者の電子健康記録を分析し、新型コロナウイルス感染の重症度を予測する。
• 参考スコア（独自算出の注目度）: 2.1103807694001975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: COVID-19 is a respiratory disease that caused a global pandemic in 2019. It is highly infectious and has the following symptoms: fever or chills, cough, shortness of breath, fatigue, muscle or body aches, headache, the new loss of taste or smell, sore throat, congestion or runny nose, nausea or vomiting, and diarrhea. These symptoms vary in severity; some people with many risk factors have been known to have lengthy hospital stays or die from the disease. In this paper, we analyze patients' electronic health records (EHR) to predict the severity of their COVID-19 infection using the length of stay (LOS) as our measurement of severity. This is an imbalanced classification problem, as many people have a shorter LOS rather than a longer one. To combat this problem, we synthetically create alternate oversampled training data sets. Once we have this oversampled data, we run it through an Artificial Neural Network (ANN), which during training has its hyperparameters tuned using Bayesian optimization. We select the model with the best F1 score and then evaluate it and discuss it.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、2019年に世界的なパンデミックを引き起こした呼吸器疾患である。 伝染性が高く、発熱、寒冷感、うっ血、息切れ、疲労、筋肉または体痛、頭痛、新しい味覚や匂いの喪失、喉の腫れ、頭痛、吐き気、吐き気などの症状がある。 これらの症状は重症度によって異なり、多くの危険因子を持つ患者の中には、長期の入院や病気による死亡が知られている者もいる。 本稿では、患者の電子健康記録(EHR)を分析し、重症度の測定に滞在時間(LOS)を用いて、新型コロナウイルス感染症の重症度を予測する。 これは、多くの人が長いものよりも短いLOSを持っているため、不均衡な分類問題である。 この問題に対処するため、我々は合成的にオーバーサンプリングされたトレーニングデータセットを作成します。 オーバーサンプリングされたデータを取得すると、トレーニング中にベイズ最適化を使用してハイパーパラメータを調整したArtificial Neural Network(ANN)を介して実行します。 最適なF1スコアでモデルを選択し、評価し、議論する。

関連論文リスト

• COVID19 Prediction Based On CT Scans Of Lungs Using DenseNet Architecture [0.0]
  COVID19は2019年12月以来、嵐で世界を席巻した。 新型コロナウイルス(COVID-19)による生命の喪失の主な理由は、呼吸器系の故障であった。 本研究の目的は、患者の肺のCTスキャンを読み取ることにより、医師が新型コロナウイルスの重症度を決定するのを支援することである。
  論文  参考訳（メタデータ） (2025-08-21T04:12:57Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• CoVid-19 Detection leveraging Vision Transformers and Explainable AI [0.0]
  肺疾患は、死因のトップ30のうち5つに原因がある。 早期に肺疾患を診断することが重要である。 ディープラーニングアルゴリズムは、自律的、迅速、そして正確な肺疾患の同定に重要な可能性を秘めている。
  論文  参考訳（メタデータ） (2023-07-29T17:45:27Z)
• Multimodal Detection of COVID-19 Symptoms using Deep Learning & Probability-based Weighting of Modes [2.8388425545775386]
  新型コロナウイルスのパンデミックは、21世紀で最も困難な医療危機の1つだ。 新型コロナウイルス(COVID-19)の患者は、うっ血、発熱、息の短さなど、複数の症状を呈することがある。 本稿では,既存の深層学習分類器と新しい確率に基づく重み付け機能を組み込むことで,新型コロナウイルスの予測を行うマルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2021-09-03T10:58:59Z)
• 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)
• Insight about Detection, Prediction and Weather Impact of Coronavirus (Covid-19) using Neural Network [0.0]
  新型コロナウイルスによる壊滅的なパンデミック(covid-19)で、世界は厳しい状況に直面している このウイルスの感染者数は日増しに増加しており、すでに6400万人を超えています。 深層ニューラルネットワークを用いて胸部x線から感染者を検出することは、時間と労力の節約のソリューションとして応用できる。
  論文  参考訳（メタデータ） (2021-04-05T22:18:57Z)
• 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)
• Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
  我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。 我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
  論文  参考訳（メタデータ） (2020-09-23T22:35:43Z)
• 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)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)
• Abnormal respiratory patterns classifier may contribute to large-scale screening of people infected with COVID-19 in an accurate and unobtrusive manner [38.59200764343499]
  感染予防, 予防管理期間中は, HIV感染者の予後, 診断, スクリーニングに有用である。 我々の研究は様々な呼吸パターンを識別するために利用することができ、装置を予備的に実用化することができる。
  論文  参考訳（メタデータ） (2020-02-12T09:42:57Z)

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。