論文の概要: Little Motion, Big Results: Using Motion Magnification to Reveal Subtle Tremors in Infants

• arxiv url: http://arxiv.org/abs/2008.04946v1
• Date: Sat, 1 Aug 2020 15:35:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 00:38:14.266112
• Title: Little Motion, Big Results: Using Motion Magnification to Reveal Subtle Tremors in Infants
• Title（参考訳）: 小さな運動と大きな結果:運動拡大法を用いて乳児の震動を再現する
• Authors: Girik Malik and Ish K. Gulati
• Abstract要約: 妊娠中にオピオイドに曝露された幼児は、出生後に退院の兆候や症状がしばしば現れる。 新生児失禁症候群(Neonatal Abstinence Syndrome,NAS)と呼ばれる臨床像の星座には、震動、発作、刺激性などが含まれる。 FNASSによるモニタリングは、高度に熟練した看護スタッフを必要とし、継続的な監視を困難にしている。 本稿では,増幅された動き信号を用いた地震自動検出システムを提案する。
• 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: Detecting tremors is challenging for both humans and machines. Infants exposed to opioids during pregnancy often show signs and symptoms of withdrawal after birth, which are easy to miss with the human eye. The constellation of clinical features, termed as Neonatal Abstinence Syndrome (NAS), include tremors, seizures, irritability, etc. The current standard of care uses Finnegan Neonatal Abstinence Syndrome Scoring System (FNASS), based on subjective evaluations. Monitoring with FNASS requires highly skilled nursing staff, making continuous monitoring difficult. In this paper we propose an automated tremor detection system using amplified motion signals. We demonstrate its applicability on bedside video of infant exhibiting signs of NAS. Further, we test different modes of deep convolutional network based motion magnification, and identify that dynamic mode works best in the clinical setting, being invariant to common orientational changes. We propose a strategy for discharge and follow up for NAS patients, using motion magnification to supplement the existing protocols. Overall our study suggests methods for bridging the gap in current practices, training and resource utilization.
• Abstract（参考訳）: 震えの検出は人間と機械の両方にとって困難である。 妊娠中にオピオイドに曝露した幼児は、しばしばヒトの眼では見逃し易い出生後の離脱の徴候や症状を示す。 新生児アブスティネンス症候群(nas)と呼ばれる一連の臨床特徴は、震え、発作、刺激性などである。 現在のケア基準は主観的評価に基づいてFinnegan Neonatal Abstinence Syndrome Scoring System (FNASS) を用いている。 FNASSによるモニタリングには高度に熟練した看護スタッフが必要である。 本稿では,増幅動作信号を用いた自動震動検出システムを提案する。 NASの徴候を示す乳児のベッドサイドビデオで適用可能性を示す。 さらに, 深層畳み込みネットワークに基づく運動拡大の異なるモードをテストし, ダイナミックモードが臨床設定において最も有効であり, 共通の方向変化に不変であることを示す。 本研究では,NAS患者に対して,既存のプロトコルを補うために運動倍率を用いた退院・フォローアップ戦略を提案する。 本研究は,現在の実践,訓練,資源利用のギャップを埋める手法を提案する。

関連論文リスト

• Using Explainable AI for EEG-based Reduced Montage Neonatal Seizure Detection [2.206534289238751]
  新生児発作検出のゴールドスタンダードは、現在連続したビデオEEGモニタリングに依存している。 脳波モンタージュを低減した新生児発作検出プロセスを自動化するための新しい説明可能な深層学習モデルを提案する。 提案したモデルは、それぞれ曲線下面積(AUC)とリコールにおける8.31%と42.86%の絶対的な改善を達成している。
  論文  参考訳（メタデータ） (2024-06-04T10:53:56Z)
• Dynamic Gaussian Splatting from Markerless Motion Capture can Reconstruct Infants Movements [2.44755919161855]
  本研究は,多様な臨床集団に適用可能な高度な運動分析ツールの道を開くものである。 マーカーレスモーションキャプチャーデータに対する動的ガウススプラッティングの適用について検討した。 以上の結果から,この手法が乳幼児の情景を表現し,乳幼児の動きを追跡できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-30T11:09:39Z)
• Subtle Signals: Video-based Detection of Infant Non-nutritive Sucking as a Neurodevelopmental Cue [11.1943906461896]
  非栄養吸引(Non-nutritive sucking、NNS)は、健康な早期発達を評価する上で重要な役割を担っている。 NNS活性は突然の幼児死亡症候群(SIDS)に対する潜在的防御として提案されている。 本研究では,自然環境下でのベビーモニター映像を用いたNNS活動の非接触検出のためのビジョンベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-24T19:26:07Z)
• RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
  RIDEは回転同変検出と不変記述のための学習に基づく手法である。 内視鏡画像の大規模なキュレーションを自己指導的に行う。 マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2023-09-18T08:16:30Z)
• Protecting the Future: Neonatal Seizure Detection with Spatial-Temporal Modeling [21.955397001414187]
  本稿では,時間的,空間的,モデルレベルでの厳密な設計による排他的課題に対処する深層学習フレームワークSTATENetを提案する。 実世界の大規模新生児脳波データセットに対する実験により,我々のフレームワークは発作検出性能を著しく向上することが示された。
  論文  参考訳（メタデータ） (2023-07-02T14:28:12Z)
• NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical Development Patterns of Preterm Infants [73.85768093666582]
  我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。 NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
  論文  参考訳（メタデータ） (2023-01-01T12:48:12Z)
• Attend Who is Weak: Pruning-assisted Medical Image Localization under Sophisticated and Implicit Imbalances [102.68466217374655]
  ディープニューラルネットワーク(DNN)は、医療画像理解タスクのテキストファクト選択として急速に普及している。 本稿では,プルーニングを用いてテキスト・ハード・トゥ・ラーン(HTL)学習サンプルを自動かつ適応的に識別する手法を提案する。 また、HTLが複雑な人口動態の不均衡を捉える能力を示す興味深い統計分析も提示する。
  論文  参考訳（メタデータ） (2022-12-06T00:32:03Z)
• Automated Classification of General Movements in Infants Using a Two-stream Spatiotemporal Fusion Network [5.541644538483947]
  幼児の全身運動(GM)の評価は神経発達障害の早期診断に有用である。 近年、ビデオベースのGM分類が注目されているが、これは無関係な情報の影響を強く受けている。 不要な背景情報を除去する前処理ネットワークからなる自動GM分類法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T05:21:09Z)
• Learning Bayesian Sparse Networks with Full Experience Replay for Continual Learning [54.7584721943286]
  継続学習(CL)手法は、機械学習モデルが、以前にマスターされたタスクを壊滅的に忘れることなく、新しいタスクを学習できるようにすることを目的としている。 既存のCLアプローチは、しばしば、事前に確認されたサンプルのバッファを保持し、知識蒸留を行い、あるいはこの目標に向けて正規化技術を使用する。 我々は,現在および過去のタスクを任意の段階で学習するために,スパースニューロンのみを活性化し,選択することを提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:25:03Z)
• A Novel Approach for Correcting Multiple Discrete Rigid In-Plane Motions Artefacts in MRI Scans [63.28835187934139]
  本稿では,2つの入力枝を持つディープニューラルネットワークを用いた動きアーチファクトの除去手法を提案する。 提案法は患者の多動運動によって生成された人工物に応用できる。
  論文  参考訳（メタデータ） (2020-06-24T15:25:11Z)
• 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。