論文の概要: Image Based Artificial Intelligence in Wound Assessment: A Systematic
Review
- arxiv url: http://arxiv.org/abs/2009.07141v1
- Date: Tue, 15 Sep 2020 14:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 06:42:41.393554
- Title: Image Based Artificial Intelligence in Wound Assessment: A Systematic
Review
- Title（参考訳）: ワーンドアセスメントにおける画像ベース人工知能:システムレビュー
- Authors: D. M. Anisuzzaman (1), Chuanbo Wang (1), Behrouz Rostami (2), Sandeep
Gopalakrishnan (3), Jeffrey Niezgoda (4), and Zeyun Yu (1) ((1) Department of
Computer Science, University of Wisconsin-Milwaukee, Milwaukee, WI, USA, (2)
Department of Electrical Engineering, University of Wisconsin-Milwaukee,
Milwaukee, WI, USA, (3) College of Nursing, University of
Wisconsin-Milwaukee, Milwaukee, WI, USA, (4) Jeffrey Niezgoda is with the AZH
Wound Center, Milwaukee, WI, USA.)
- Abstract要約: 急性および慢性の創傷の評価は、創傷治療チームが診断を改善し、治療計画を最適化し、作業負荷を緩和し、患者の健康関連品質を達成するのに役立つ。
人工知能は、健康関連科学やテクノロジーに広く応用されているが、AIベースのシステムは、高品質な創傷治療のために、臨床および計算的に開発され続けている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Efficient and effective assessment of acute and chronic wounds can help wound
care teams in clinical practice to greatly improve wound diagnosis, optimize
treatment plans, ease the workload and achieve health related quality of life
to the patient population. While artificial intelligence (AI) has found wide
applications in health-related sciences and technology, AI-based systems remain
to be developed clinically and computationally for high-quality wound care. To
this end, we have carried out a systematic review of intelligent image-based
data analysis and system developments for wound assessment. Specifically, we
provide an extensive review of research methods on wound measurement
(segmentation) and wound diagnosis (classification). We also reviewed recent
work on wound assessment systems (including hardware, software, and mobile
apps). More than 250 articles were retrieved from various publication databases
and online resources, and 115 of them were carefully selected to cover the
breadth and depth of most recent and relevant work to convey the current review
to its fulfillment.
- Abstract（参考訳）: 急性および慢性の創傷を効果的かつ効果的に評価することは、臨床実践における創傷ケアチームにとって、創傷診断の大幅な改善、治療計画の最適化、作業負荷の緩和、患者の健康関連品質を達成するのに役立つ。
人工知能(AI)は、医療関連科学や技術に広く応用されているが、AIベースのシステムは、高品質な創傷治療のために、臨床および計算的に開発されている。
そこで我々は,創傷評価のためのインテリジェントな画像ベースデータ解析とシステム開発を体系的に検討した。
具体的には,創傷計測(セグメンテーション)と創傷診断(分類)に関する研究方法の広範なレビューを行う。
また,創傷評価システム(ハードウェア,ソフトウェア,モバイルアプリを含む)に関する最近の研究についてもレビューした。
様々な出版物データベースやオンラインリソースから250件以上の記事が検索され、115件が慎重に選抜され、最新の関連作品の幅と深さを網羅し、現在のレビューをその成果に伝達した。
関連論文リスト
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Question answering systems for health professionals at the point of care
-- a systematic review [2.446313557261822]
質問応答システム(QA)は、医療専門家に最新の最も関係のある証拠を提供することで、医療の質を向上させる可能性がある。
この体系的なレビューは、現在の医療QAシステムを特徴づけ、医療への適合性を評価し、改善の領域を特定することを目的としている。
論文 参考訳（メタデータ） (2024-01-24T13:47:39Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - Medical Pathologies Prediction : Systematic Review and Proposed Approach [0.0]
我々は、医療改善のためのビッグデータ、人工知能、機械学習、ディープラーニングなど、最新の技術の活用に関するさまざまな研究を分析し、検討した。
本稿では,医療データの収集,前処理,クラスタリングに着目した一般的なアプローチを提案する。
論文 参考訳（メタデータ） (2023-04-01T13:35:17Z) - Survey on Adversarial Attack and Defense for Medical Image Analysis: Methods and Challenges [64.63744409431001]
医療画像解析における敵攻撃・防衛の進歩に関する総合的な調査を報告する。
公正な比較のために、逆向きに堅牢な診断モデルのための新しいベンチマークを構築した。
論文 参考訳（メタデータ） (2023-03-24T16:38:58Z) - Explainable AI for clinical and remote health applications: a survey on
tabular and time series data [3.655021726150368]
XAIは、特に医療において、さまざまな研究領域やデータタイプに同じ関心を集めていない点に注意が必要だ。
本稿は,過去5年間の文献を概観し,生成した説明のタイプと,それらの関連性や品質を評価するための取り組みについて述べる。
論文 参考訳（メタデータ） (2022-09-14T10:01:29Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - What is the State of the Art of Computer Vision-Assisted Cytology? A
Systematic Literature Review [47.42354724922676]
現在,細胞診に応用されているコンピュータビジョン技術の現状を明らかにするために,システマティック文献レビューを実施している。
分析された研究で最も使われている方法は深層学習(70論文)であるが、古典的なコンピュータビジョンのみ(101論文)を使用するものは少ない。
結論として,多くの染色に対して高品質なデータセットがまだ存在せず,ほとんどの研究は日常的な臨床診断ルーチンに適用できるほど成熟していない。
論文 参考訳（メタデータ） (2021-05-24T13:50:45Z) - Detecting Spurious Correlations with Sanity Tests for Artificial
Intelligence Guided Radiology Systems [22.249702822013045]
放射線学におけるAIの展開における重要な要素は、開発システムの有効性と安全性への信頼を得ることである。
現在のゴールド標準アプローチは、一般化データセットのパフォーマンスの分析検証を行うことである。
間違った理由から,システムが開発データに対して良好に動作するかどうかを特定するための,一連の健全性テストについて述べる。
論文 参考訳（メタデータ） (2021-03-04T14:14:05Z) - A Modern Non-SQL Approach to Radiology-Centric Search Engine Design with
Clinical Validation [0.0]
本稿では,Radiologyの文脈において,文書ベース,セキュア,効率的,高精度な検索エンジンを開発するためのデノボプロセスを提案する。
効率的なデータベースアーキテクチャ、検索能力、臨床思考を活用することで、放射線学者は医療データのパワーを活用する最前線にいる。
論文 参考訳（メタデータ） (2020-07-04T15:21:49Z) - A Review of Computational Approaches for Evaluation of Rehabilitation
Exercises [58.720142291102135]
本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。
エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
論文 参考訳（メタデータ） (2020-02-29T22:18:56Z)
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。