論文の概要: Surgical Data Science -- from Concepts toward Clinical Translation

• arxiv url: http://arxiv.org/abs/2011.02284v2
• Date: Fri, 30 Jul 2021 20:48:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 16:35:11.638561
• Title: Surgical Data Science -- from Concepts toward Clinical Translation
• Title（参考訳）: 外科データサイエンス --概念から臨床翻訳へ-
• Authors: Lena Maier-Hein, Matthias Eisenmann, Duygu Sarikaya, Keno M\"arz, Toby Collins, Anand Malpani, Johannes Fallert, Hubertus Feussner, Stamatia Giannarou, Pietro Mascagni, Hirenkumar Nakawala, Adrian Park, Carla Pugh, Danail Stoyanov, Swaroop S. Vedula, Kevin Cleary, Gabor Fichtinger, Germain Forestier, Bernard Gibaud, Teodor Grantcharov, Makoto Hashizume, Doreen Heckmann-N\"otzel, Hannes G. Kenngott, Ron Kikinis, Lars M\"undermann, Nassir Navab, Sinan Onogur, Raphael Sznitman, Russell H. Taylor, Minu D. Tizabi, Martin Wagner, Gregory D. Hager, Thomas Neumuth, Nicolas Padoy, Justin Collins, Ines Gockel, Jan Goedeke, Daniel A. Hashimoto, Luc Joyeux, Kyle Lam, Daniel R. Leff, Amin Madani, Hani J. Marcus, Ozanan Meireles, Alexander Seitel, Dogu Teber, Frank \"Uckert, Beat P. M\"uller-Stich, Pierre Jannin, Stefanie Speidel
• Abstract要約: 外科的データサイエンスは、データの取得、組織化、分析、モデリングを通じて介入医療の質を向上させることを目的としている。 私たちは、その根底にある理由を明かし、この分野における今後の進歩のロードマップを提供しました。
• 参考スコア（独自算出の注目度）: 67.543698133416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent developments in data science in general and machine learning in particular have transformed the way experts envision the future of surgery. Surgical Data Science (SDS) is a new research field that aims to improve the quality of interventional healthcare through the capture, organization, analysis and modeling of data. While an increasing number of data-driven approaches and clinical applications have been studied in the fields of radiological and clinical data science, translational success stories are still lacking in surgery. In this publication, we shed light on the underlying reasons and provide a roadmap for future advances in the field. Based on an international workshop involving leading researchers in the field of SDS, we review current practice, key achievements and initiatives as well as available standards and tools for a number of topics relevant to the field, namely (1) infrastructure for data acquisition, storage and access in the presence of regulatory constraints, (2) data annotation and sharing and (3) data analytics. We further complement this technical perspective with (4) a review of currently available SDS products and the translational progress from academia and (5) a roadmap for faster clinical translation and exploitation of the full potential of SDS, based on an international multi-round Delphi process.
• Abstract（参考訳）: データサイエンス全般と機械学習の最近の進歩は、専門家が手術の未来を想定する方法を変えてきた。 外科的データサイエンス(SDS)は、データの捕捉、組織化、分析、モデリングを通じて介入医療の質を向上させることを目的とした新しい研究分野である。 データ駆動アプローチや臨床応用が放射線学や臨床データサイエンスの分野で研究されている一方で、翻訳の成功談は手術ではまだ不十分である。 この出版物では、基礎となる理由を明かし、この分野における今後の進歩のロードマップを提供しています。 本研究は,SDS分野の先進的な研究者を巻き込んだ国際ワークショップに基づいて,(1)データ取得,ストレージ,アクセスのための規制制約の存在下でのインフラストラクチャ,(2)データアノテーションと共有,(3)データ分析など,この分野に関連するさまざまなトピックに関する,利用可能な標準とツールについて,現在の実践,重要な成果,イニシアティブをレビューする。 この技術的視点をさらに補完し、(4)現在入手可能なSDS製品のレビュー、および学術からの翻訳の進歩、(5)国際的マルチラウンドDelphiプロセスに基づくSDSの全可能性の迅速な翻訳と活用のロードマップを補完する。

関連論文リスト

• Clinical Insights: A Comprehensive Review of Language Models in Medicine [1.5020330976600738]
  この研究は、LLMの基盤技術から、ドメイン固有モデルやマルチモーダル統合の最新の発展まで、その進化を辿っている。 本稿では、これらの技術が臨床効率を高めるための機会と、倫理、データプライバシ、実装の観点からそれらがもたらす課題について論じる。
  論文  参考訳（メタデータ） (2024-08-21T15:59:33Z)
• SciRIFF: A Resource to Enhance Language Model Instruction-Following over Scientific Literature [80.49349719239584]
  SciRIFF(Scientific Resource for Instruction-Following and Finetuning, SciRIFF)は、54のタスクに対して137Kの命令追従デモのデータセットである。 SciRIFFは、幅広い科学分野の研究文献から情報を抽出し、合成することに焦点を当てた最初のデータセットである。
  論文  参考訳（メタデータ） (2024-06-10T21:22:08Z)
• Benchmarking Data Science Agents [11.582116078653968]
  大規模言語モデル(LLM)は、データサイエンスエージェントとして有望な支援として登場し、データ分析と処理において人間を支援している。 しかし、現実の応用の様々な要求と複雑な分析プロセスによって、それらの実用的有効性は依然として制限されている。 我々は、新しい評価パラダイムであるDSEvalと、これらのエージェントの性能を評価するための一連の革新的なベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-02-27T03:03:06Z)
• Neural Machine Translation of Clinical Text: An Empirical Investigation into Multilingual Pre-Trained Language Models and Transfer-Learning [6.822926897514793]
  1)臨床症例(CC),2)臨床用語(CT),3)オントロジ概念(OC)の3つのサブタスクの実験結果 ClinSpEn-2022では,英語とスペイン語の臨床領域データの共有タスクにおいて,トップレベルのパフォーマンスを達成した。 WMT21fbモデルを用いて,新しい言語空間をスペイン語で表現する手法について検討した。
  論文  参考訳（メタデータ） (2023-12-12T13:26:42Z)
• Leveraging text data for causal inference using electronic health records [1.4182510510164876]
  本稿では,電子健康データによる因果推論を支援するためにテキストデータを活用する統一的なフレームワークを提案する。 従来のマッチング分析にテキストデータを組み込むことで、推定処理効果の妥当性を高めることができることを示す。 これらの手法は、臨床データの二次解析範囲を、構造化ERHデータに制限された領域にまで広げる可能性があると考えている。
  論文  参考訳（メタデータ） (2023-06-09T16:06:02Z)
• Extrinsic Factors Affecting the Accuracy of Biomedical NER [0.1529342790344802]
  バイオメディカル・ネーム・エンティティ・認識(NER)は、臨床テキスト中の構造化情報を特定することを目的とした批判的タスクである。 バイオメディカル領域のNERは、限られたデータ可用性のために困難である。
  論文  参考訳（メタデータ） (2023-05-29T15:29:49Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Therapeutics Data Commons: Machine Learning Datasets and Tasks for Therapeutics [84.94299203422658]
  Therapeutics Data Commonsは、治療の全範囲にわたる機械学習を体系的にアクセスし、評価するためのフレームワークです。 TDCは、アルゴリズムの革新をバイオメディカルおよび臨床実装に翻訳できる、キュレートされたデータセットと学習タスクのコレクションです。 tdcはまた、データ機能、体系的モデル評価のための戦略、有意義なデータ分割、データプロセッサ、分子生成オラクルを含む、ツール、ライブラリ、リーダーボード、コミュニティリソースのエコシステムを提供する。
  論文  参考訳（メタデータ） (2021-02-18T18:50:31Z)
• 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)
• Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
  ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。 提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
  論文  参考訳（メタデータ） (2020-08-05T15:45:54Z)

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。