Fugu-MT 論文翻訳(概要): Computer Vision and Abnormal Patient Gait Assessment a Comparison of Machine Learning Models

論文の概要: Computer Vision and Abnormal Patient Gait Assessment a Comparison of Machine Learning Models

arxiv url: http://arxiv.org/abs/2004.02810v1
Date: Sun, 22 Mar 2020 02:00:15 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 05:52:56.270138
Title: Computer Vision and Abnormal Patient Gait Assessment a Comparison of Machine Learning Models
Title（参考訳）: コンピュータビジョンと異常患者歩行評価 : 機械学習モデルの比較
Authors: Jasmin Hundall, Benson A. Babu
Abstract要約: 本稿では,コンピュータビジョン,機械学習モデルが異常患者の歩行評価をどのように行うかの体系的なレビューを行う。いくつかの文献は、患者歩行異常を研究するために抽出された特徴の分類を行うために、SVM、ANN、K-Star、Random Forest、KNNなどの異なる機械学習アルゴリズムを使用していることを示唆している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Abnormal gait, its associated falls and complications have high patient morbidity, mortality. Computer vision detects, predicts patient gait abnormalities, assesses fall risk and serves as clinical decision support tool for physicians. This paper performs a systematic review of how computer vision, machine learning models perform an abnormal patient's gait assessment. Computer vision is beneficial in gait analysis, it helps capture the patient posture. Several literature suggests the use of different machine learning algorithms such as SVM, ANN, K-Star, Random Forest, KNN, among others to perform the classification on the features extracted to study patient gait abnormalities.
Abstract（参考訳）: 異常な歩行、関連する転倒、合併症は患者の死亡率、死亡率が高い。コンピュータビジョンは患者の歩行異常を検出し、予測し、転倒リスクを評価し、医師のための臨床診断支援ツールとして機能する。本稿では,コンピュータビジョン,機械学習モデルが異常患者の歩行評価をどのように行うかを体系的に検討する。コンピュータビジョンは歩行分析に有用であり、患者の姿勢を捉えるのに役立つ。いくつかの文献は、患者歩行異常を研究するために抽出された特徴の分類を行うために、SVM、ANN、K-Star、Random Forest、KNNなどの異なる機械学習アルゴリズムを使用していることを示唆している。

関連論文リスト

Monitoring fairness in machine learning models that predict patient mortality in the ICU [0.0]
本研究では,異なる人種,性別,医療診断を有する患者群に対して,モデルがどのような効果を発揮するかを検討する。フェアネス分析が、従来の精度の指標単独よりも、モデルパフォーマンスのより詳細で洞察に富んだ比較をいかに提供するかを示す。
論文参考訳（メタデータ） (2024-10-31T20:17:12Z)
The Impact of Ontology on the Prediction of Cardiovascular Disease Compared to Machine Learning Algorithms [0.0]
本稿では,最も顕著な機械学習アルゴリズムと,オントロジーに基づく機械学習分類を比較し,レビューする。これらの結果は, F-Measure, Accuracy, Recall, Precision などの混乱行列から生成された評価値を用いて評価した。
論文参考訳（メタデータ） (2024-05-30T18:40:27Z)
Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文参考訳（メタデータ） (2023-10-04T21:57:09Z)
Safe AI for health and beyond -- Monitoring to transform a health service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文参考訳（メタデータ） (2023-03-02T17:27:45Z)
What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文参考訳（メタデータ） (2021-11-30T15:52:04Z)
Explaining medical AI performance disparities across sites with confounder Shapley value analysis [8.785345834486057]
マルチサイト評価は、このような格差を診断する鍵となる。本フレームワークは,各種類のバイアスが全体の性能差に与える影響を定量化する手法を提供する。本研究は, 深部学習モデルを用いて気胸の有無を検知し, その有用性を実証するものである。
論文参考訳（メタデータ） (2021-11-12T18:54:10Z)
Development of patients triage algorithm from nationwide COVID-19 registry data based on machine learning [1.0323063834827415]
本稿では,機械学習技術を用いた重症度評価モデルの開発過程について述べる。モデルは基本的な患者の基本的個人データのみを必要とするため、患者は自身の重症度を判断できる。本研究の目的は、患者が自身の重症度をチェックできる医療システムを構築し、同様の重症度を持つ他の患者の過去の治療内容に基づいて、適切な診療所への訪問を通知することである。
論文参考訳（メタデータ） (2021-09-18T19:56:27Z)
Remote Pathological Gait Classification System [3.8098589140053862]
歩行分析は障害を検出し、病気を診断し、患者の回復を評価するのに役立つ。最も広く公開されている病理歩行データセットは,4つの歩行病理をシミュレートした10の被験者のみを含む。本論文は,4つの歩行病理を模擬した21の被験者から得られたGAIT-IT(GAIT-IT)と呼ばれる新しいデータセットについて述べる。
論文参考訳（メタデータ） (2021-05-04T17:21:29Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
Domain Shift in Computer Vision models for MRI data analysis: An Overview [64.69150970967524]
機械学習とコンピュータビジョン手法は、医用画像解析において優れた性能を示している。しかし、現在臨床応用はごくわずかである。異なるソースや取得ドメインのデータへのモデルの不適切な転送性は、その理由の1つです。
論文参考訳（メタデータ） (2020-10-14T16:34:21Z)
Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。