論文の概要: Measuring Pain in Sickle Cell Disease using Clinical Text

• arxiv url: http://arxiv.org/abs/2008.11081v1
• Date: Wed, 5 Aug 2020 23:39:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 17:45:31.540670
• Title: Measuring Pain in Sickle Cell Disease using Clinical Text
• Title（参考訳）: 臨床テキストによるシックル細胞疾患の痛みの測定
• Authors: Amanuel Alambo, Ryan Andrew, Sid Gollarahalli, Jacqueline Vaughn, Tanvi Banerjee, Krishnaprasad Thirunarayan, Daniel Abrams, Nirmish Shah
• Abstract要約: シックル細胞病(Sickle Cell Disease, SCD)は、ヒトの赤血球の遺伝性疾患である。 急性痛はSCDの主要な症状として知られている。 臨床ノートの痛み関連性を予測する二分分類モデルと,痛みレベルを予測する多クラス分類モデルを提案する。
• 参考スコア（独自算出の注目度）: 4.1053421899056435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sickle Cell Disease (SCD) is a hereditary disorder of red blood cells in humans. Complications such as pain, stroke, and organ failure occur in SCD as malformed, sickled red blood cells passing through small blood vessels get trapped. Particularly, acute pain is known to be the primary symptom of SCD. The insidious and subjective nature of SCD pain leads to challenges in pain assessment among Medical Practitioners (MPs). Thus, accurate identification of markers of pain in patients with SCD is crucial for pain management. Classifying clinical notes of patients with SCD based on their pain level enables MPs to give appropriate treatment. We propose a binary classification model to predict pain relevance of clinical notes and a multiclass classification model to predict pain level. While our four binary machine learning (ML) classifiers are comparable in their performance, Decision Trees had the best performance for the multiclass classification task achieving 0.70 in F-measure. Our results show the potential clinical text analysis and machine learning offer to pain management in sickle cell patients.
• Abstract（参考訳）: シックル細胞病(Sickle Cell Disease, SCD)は、ヒトの赤血球の遺伝性疾患である。 痛み、脳卒中、臓器不全などの合併症がSCDで発生し、小さな血管を通過する病気の赤い赤血球が閉じ込められる。 特に急性痛はscdの一次症状として知られている。 scd痛の不快で主観的な性質は、医療従事者(mps)の痛み評価の課題に繋がる。 したがって、SCD患者の痛みマーカーの正確な同定は、痛み管理に不可欠である。 痛みレベルに基づくSCD患者の臨床ノートの分類により、MPは適切な治療を受けることができる。 臨床ノートの痛み関連性を予測する二分分類モデルと,痛みレベルを予測する多クラス分類モデルを提案する。 我々の4つのバイナリ機械学習(ML)分類器はその性能に匹敵するが、決定木はF測定で0.70に達するマルチクラス分類タスクで最高のパフォーマンスを示した。 以上の結果から,シックル細胞患者の痛み管理における臨床テキスト解析と機械学習の有用性が示唆された。

関連論文リスト

• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• RoS-KD: A Robust Stochastic Knowledge Distillation Approach for Noisy Medical Imaging [67.02500668641831]
  ノイズの多いデータセットでトレーニングされたディープラーニングモデルは、ノイズタイプに敏感であり、目に見えないサンプルの一般化が少なくなる。 本稿では,複数の情報源からトピックを学習する概念を模倣したロバスト知識蒸留(RoS-KD)フレームワークを提案する。 RoS-KDは、訓練データの重複する部分集合について訓練された複数の教師から知識を蒸留することにより、滑らかで、よく表現された、堅牢な学生多様体を学習する。
  論文  参考訳（メタデータ） (2022-10-15T22:32:20Z)
• 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)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• Modeling Disease Progression in Mild Cognitive Impairment and Alzheimer's Disease with Digital Twins [0.0]
  デジタル双生児は、実際の被験者とベースラインデータを共有する臨床記録のシミュレーションである。 我々はDigital Twinsが、さまざまな病気の重症度で臨床試験において、いくつかの重要なエンドポイントの進行を同時に捉える方法を示す。
  論文  参考訳（メタデータ） (2020-12-24T22:29:47Z)
• Pain Assessment based on fNIRS using Bidirectional LSTMs [1.9654272166607836]
  機能的近赤外分光法(fNIRS)と深層学習法(深層学習法)をヒトの痛み評価に用いる。 本研究の目的は、深層学習を用いてfNIRS生データから特徴を自動的に学習し、手作り特徴の設計に必要な主観性とドメイン知識のレベルを下げることである。
  論文  参考訳（メタデータ） (2020-12-24T12:55:39Z)
• Pain Intensity Assessment in Sickle Cell Disease patients using Vital Signs during Hospital Visits [0.0]
  病気細胞病(SCD)の痛みはしばしば死亡率、死亡率、医療費の増加と関連している。 医療提供者は、主観的痛みの報告に基づいて患者を管理するのに苦労する。 近年の研究では、客観的な生理的尺度が主観的自己報告の痛みスコアを予測できることが示されている。
  論文  参考訳（メタデータ） (2020-11-24T15:25:29Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Generating Digital Twins with Multiple Sclerosis Using Probabilistic Neural Networks [0.0]
  デジタル双生児は、実際の被験者と同じベースラインデータを持つシミュレーション対象である。 モデルにより生成されたデジタル双生児は, 実際の被写体と統計的に区別できないことを示す。
  論文  参考訳（メタデータ） (2020-02-04T02:57:08Z)

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。