文献

J-GLOBAL ID：202202268869403036   整理番号：22A1088015

CoughNet-V2:症候性COVID-19咳を検出するためのポイントオブケアエッジデバイスのためのスケーラブルなマルチモーダルDNNフレームワーク【JST・京大機械翻訳】

CoughNet-V2: A Scalable Multimodal DNN Framework for Point-of-Care Edge Devices to Detect Symptomatic COVID-19 Cough

著者 (3件)： Rashid Hasib-Al (University of Maryland,Department of Computer Science and Electrical Engineering,Baltimore County,USA) ,  Sajadi Mohammad M. (University of Maryland,Institute of Human Virology, School of Medicine,USA) ,  Mohsenin Tinoosh (University of Maryland,Department of Computer Science and Electrical Engineering,Baltimore County,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： HI-POCT  ページ： 37-40  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： COVID-19パンデミックの出現により,呼吸器疾患の異なる音響バイオマーカーに新しい注意が払われてきた。深層ニューラルネットワーク(DNN)は,音声検出,オーディオイベント分類などのための印象的な性能のために,オーディオ分類タスクによって非常に一般的になった。本論文では,症候性COVID-19咳を検出するスケーラブルなマルチモーダルDNNフレームワークであるCoughNet-V2を提案した。フレームワークは,COVID-19検出のためのプレスクリーニング段階で医師を助けるためにポイントオブケアエッジデバイスに実装されるように設計した。他の関連する医療情報とともに被験者の咳オーディオを含むクラウドソースマルチモーダルデータ資源を用いて,Coughet-V2フレームワークを設計した。CoughNet-V2は,医学記録と共に咳オーディオのマルチモーダル統合が,任意の単峰性フレームワークよりも分類性能を改善することを示した。提案したCoughNet-V2は,症候性COVID-19咳検出のバイナリ分類タスクに対して88.9%の領域曲線下面積(AUC)を達成した。最後に,NVIDIA TX2開発ボードの処理部品へのCoughNet-V2モデルの配置属性の測定を,消費者指先にヘルスケアシステムをもたらすための命題として提示した。臨床的関連性 Graphnet-V2は,患者が彼らと物理的に相互作用することなく集中的な医学的支援を必要とするかどうかを,医療実務者に支援するのに役立つであろう。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  消費者 ,  音響 ,  呼吸器疾患 ,  オーディオ機器 ,  *多モード ,  命題 ,  医学情報 ,  バイオマーカー ,  血中濃度-時間曲線下面積
準シソーラス用語： 被験者 ,  臨床的関連性 ,  音声検出 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 症候 ,  COVID-19 ,  咳 ,  マルチモーダル ,  フレームワーク