論文の概要: First Investigation Into the Use of Deep Learning for Continuous Assessment of Neonatal Postoperative Pain

• arxiv url: http://arxiv.org/abs/2003.10601v1
• Date: Tue, 24 Mar 2020 01:13:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 08:52:02.662536
• Title: First Investigation Into the Use of Deep Learning for Continuous Assessment of Neonatal Postoperative Pain
• Title（参考訳）: 新生児術後痛の持続的評価における深層学習の活用に関する第1報
• Authors: Md Sirajus Salekin, Ghada Zamzmi, Dmitry Goldgof, Rangachar Kasturi, Thao Ho and Yu Sun
• Abstract要約: 具体的にはB-CNN(Bilinear Convolutional Neural Network)を用いて、術後の痛みのレベルが異なる顔の特徴を抽出する。 以上の結果から,急性痛と術後痛のパターンに明らかな差異が認められた。 また,バイリニアCNNとRNNモデルを併用した術後痛強度の連続評価の有用性も示唆した。
• 参考スコア（独自算出の注目度）: 4.121183008006413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the first investigation into the use of fully automated deep learning framework for assessing neonatal postoperative pain. It specifically investigates the use of Bilinear Convolutional Neural Network (B-CNN) to extract facial features during different levels of postoperative pain followed by modeling the temporal pattern using Recurrent Neural Network (RNN). Although acute and postoperative pain have some common characteristics (e.g., visual action units), postoperative pain has a different dynamic, and it evolves in a unique pattern over time. Our experimental results indicate a clear difference between the pattern of acute and postoperative pain. They also suggest the efficiency of using a combination of bilinear CNN with RNN model for the continuous assessment of postoperative pain intensity.
• Abstract（参考訳）: 本研究は,新生児術後の痛み評価に完全自動ディープラーニングフレームワークを用いた最初の研究である。 術後の痛みの度合いの異なる顔の特徴を抽出するために、B-CNN(Bilinear Convolutional Neural Network)の使用を特に検討し、その後、リカレントニューラルネットワーク(RNN)を用いて時間パターンをモデル化する。 急性および術後の痛みには共通の特徴(視覚活動単位など)があるが、術後の痛みは異なるダイナミックであり、時間とともに独特のパターンで進化する。 以上の結果から,急性痛と術後痛のパターンに明らかな差異が認められた。 また, 術後痛強度を連続的に評価するために, バイリニアCNNとRNNモデルを組み合わせることの効率性も示唆した。

関連論文リスト

• Automated Real Time Delineation of Supraclavicular Brachial Plexus in Neck Ultrasonography Videos: A Deep Learning Approach [0.0]
  本研究は, 上鎖骨・間腕神経叢の系統的スキャンを行った227名の被験者を対象とした。 計41,000の動画フレームが、経験豊富な麻酔科医によって、物体追跡とアクティブな輪郭アルゴリズムによる部分的自動化を用いて注釈付けされた。 深層学習モデルは,頚部超音波画像における上腕神経叢のリアルタイムセグメンテーションに高い精度と信頼性で利用することができる。
  論文  参考訳（メタデータ） (2023-08-07T16:40:19Z)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• SNAF: Sparse-view CBCT Reconstruction with Neural Attenuation Fields [71.84366290195487]
  神経減衰場を学習し,スパースビューCBCT再構成のためのSNAFを提案する。 提案手法は,入力ビューが20程度しかなく,高再生品質(30以上のPSNR)で優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-11-30T14:51:14Z)
• Individualized Risk Assessment of Preoperative Opioid Use by Interpretable Neural Network Regression [6.474106608218618]
  術前オピオイド使用は, 術前オピオイド需要の増加, 術後成績の悪化, 術後の医療利用と支出の増加に関連していると報告されている。 ディープニューラルネットワーク(DNN)は、その超高速な予測能力のために、リスク評価の強力な手段として登場した。 本稿では,統計モデルとDNNモデルの強みを組み合わせた新しい解釈型ニューラルネットワーク回帰(INNER)を提案する。
  論文  参考訳（メタデータ） (2022-05-07T02:35:04Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Evaluating U-net Brain Extraction for Multi-site and Longitudinal Preclinical Stroke Imaging [0.4310985013483366]
  畳み込みニューラルネットワーク(CNN)は精度を改善し、演算時間を短縮する。 U-net CNNを用いた深層学習マウス脳抽出ツールを開発した。 240のマルチモーダルMRIデータセット上で,典型的なU-netモデルをトレーニングし,検証し,テストした。
  論文  参考訳（メタデータ） (2022-03-11T02:00:27Z)
• End-to-End Blind Quality Assessment for Laparoscopic Videos using Neural Networks [9.481148895837812]
  本稿では、歪み分類と品質予測のためのニューラルネットワークに基づくアプローチを提案する。 アーキテクチャ全体(ResNetモデルとFCNNモデル)をトレーニングするために,トランスファーラーニングとエンドツーエンドラーニングアプローチについて検討した。 新しい腹腔鏡画像品質データベースを用いて実験を行い,提案手法の有効性を示した。
  論文  参考訳（メタデータ） (2022-02-09T15:29:02Z)
• InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal Artifact Reduction in CT Images [53.4351366246531]
  InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。 異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
  論文  参考訳（メタデータ） (2021-12-23T15:52:37Z)
• Multimodal Spatio-Temporal Deep Learning Approach for Neonatal Postoperative Pain Assessment [3.523040451502402]
  新生児術後の痛みを評価するための現在の実践は、主観的、一貫性がなく、遅く、不連続である。 視覚信号と声信号を統合し,新生児術後の痛みを評価するための新しい多モーダル時間的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-03T18:52:35Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。