論文の概要: How Much Does It Hurt: A Deep Learning Framework for Chronic Pain Score Assessment

• arxiv url: http://arxiv.org/abs/2009.12202v1
• Date: Tue, 22 Sep 2020 23:29:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 23:27:59.297523
• Title: How Much Does It Hurt: A Deep Learning Framework for Chronic Pain Score Assessment
• Title（参考訳）: どのくらい痛むか: 慢性的な痛みスコア評価のためのディープラーニングフレームワーク
• Authors: Yun Zhao, Franklin Ly, Qinghang Hong, Zhuowei Cheng, Tyler Santander, Henry T. Yang, Paul K. Hansma, and Linda Petzold
• Abstract要約: 本稿では,慢性痛覚評価のためのエンドツーエンドのディープラーニングフレームワークを提案する。 我々のフレームワークは、長い時間軸データサンプルを短いシーケンスに分割し、Consensus Predictionを使って結果を分類する。 2つの慢性痛覚スコアデータセットを用いて,本フレームワークの性能評価を行った。
• 参考スコア（独自算出の注目度）: 4.463811772756938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chronic pain is defined as pain that lasts or recurs for more than 3 to 6 months, often long after the injury or illness that initially caused the pain has healed. The "gold standard" for chronic pain assessment remains self report and clinical assessment via a biopsychosocial interview, since there has been no device that can measure it. A device to measure pain would be useful not only for clinical assessment, but potentially also as a biofeedback device leading to pain reduction. In this paper we propose an end-to-end deep learning framework for chronic pain score assessment. Our deep learning framework splits the long time-course data samples into shorter sequences, and uses Consensus Prediction to classify the results. We evaluate the performance of our framework on two chronic pain score datasets collected from two iterations of prototype Pain Meters that we have developed to help chronic pain subjects better understand their health condition.
• Abstract（参考訳）: 慢性的な痛みは3ヶ月から6ヶ月以上続く痛みと定義され、最初に痛みを引き起こした怪我や病気が治った後に起こることが多い。 慢性的な痛み評価のための「金の標準」は、測定できる装置がないため、バイオサイコソシエーションによる自己報告と臨床評価が残っている。 痛みを測定するデバイスは、臨床評価だけでなく、痛みの軽減につながるバイオフィードバックデバイスとしても有用である。 本稿では,慢性痛覚評価のためのエンドツーエンドディープラーニングフレームワークを提案する。 我々のディープラーニングフレームワークは、長い時間軸データサンプルを短いシーケンスに分割し、Consensus Predictionを使って結果を分類する。 本研究は、慢性痛患者の健康状態をよりよく理解するために開発された2つの試作痛み計から収集した2つの慢性痛スコアデータセットの性能を評価する。

関連論文リスト

• Deep Rib Fracture Instance Segmentation and Classification from CT on the RibFrac Challenge [66.86170104167608]
  RibFrac Challengeは、660のCTスキャンから5,000以上のリブ骨折のベンチマークデータセットを提供する。 MICCAI 2020チャレンジ期間中に243つの結果が評価され、7つのチームがチャレンジサマリーに参加するために招待された。 この分析により、いくつかのトップリブ骨折検出ソリューションが、人間の専門家と同等かそれ以上の性能を達成したことが明らかになった。
  論文  参考訳（メタデータ） (2024-02-14T18:18:33Z)
• 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)
• Chronic pain patient narratives allow for the estimation of current pain intensity [0.9459979060644313]
  患者の物語から得られる言語特徴は、実際に痛みの強さを推定する情報を伝える。 以上の結果より,軽度痛の患者は動詞の使用に集中し,中等度・重度痛の患者は副詞,名詞,形容詞が中心であった。
  論文  参考訳（メタデータ） (2022-10-31T16:59:21Z)
• 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)
• Automatic Estimation of Ulcerative Colitis Severity from Endoscopy Videos using Ordinal Multi-Instance Learning [50.591267188664666]
  潰瘍性大腸炎(Ulcerative colitis, UC)は、大腸の炎症を再発させることを特徴とする慢性炎症性腸疾患である。 UCの重症度は、内視鏡ビデオから粘膜疾患の活性を定量化するMayo Endoscopic Subscore (MES)によって表されることが多い。 本稿では,ビデオMESラベルのみからフレーム重大度を推定する,弱教師付き順序分類手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T19:42:51Z)
• Chronic Pain and Language: A Topic Modelling Approach to Personal Pain Descriptions [0.688204255655161]
  慢性的な痛みは主要な健康問題として認識されており、経済だけでなく、社会や個人のレベルにも影響を及ぼす。 個人的かつ主観的な経験であるため、慢性的な痛みを純粋に有害な刺激として、外的かつ公平に経験し、説明し、解釈することは不可能である。 本稿では,慢性痛の言語記述におけるパターン認識のためのトピックモデリング手法を提案し,これらのパターンを用いて痛み経験の定量化と評価を行う。
  論文  参考訳（メタデータ） (2021-09-01T14:31:16Z)
• Analysis of Chronic Pain Experiences Based on Online Reports: the RRCP Dataset [0.688204255655161]
  本稿では,ソーシャルメディアのテキスト記述と各種の慢性痛経験の議論を含む慢性痛感データセットのRedditレポートについて紹介する。 それぞれの病理組織について,関連文書のサブセットで示されるように,慢性痛経験の主な懸念点を同定する。 慢性痛の描写の教師なし意味分析は、慢性痛経験の観点で異なる病態がどのように現れるかに関する臨床研究を反映している、と我々は主張する。
  論文  参考訳（メタデータ） (2021-08-23T14:53:03Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture Detection [58.984536305767996]
  自動椎骨骨折検出のための表現学習型アプローチを提案する。 本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。 一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
  論文  参考訳（メタデータ） (2020-08-18T10:03:45Z)
• Pain Intensity Estimation from Mobile Video Using 2D and 3D Facial Keypoints [1.6402428190800593]
  術後痛の管理は外科的治療の成功に不可欠である。 痛み管理の課題の1つは、患者の痛みレベルを正確に評価することである。 本稿では,術後患者の2Dおよび3D顔のキーポイントを分析し,痛み強度を推定するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-17T00:18:29Z)

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。