Fugu-MT 論文翻訳(概要): Neural Networks for Pulmonary Disease Diagnosis using Auditory and Demographic Information

論文の概要: Neural Networks for Pulmonary Disease Diagnosis using Auditory and Demographic Information

arxiv url: http://arxiv.org/abs/2011.13194v1
Date: Thu, 26 Nov 2020 09:14:40 GMT
ステータス: 処理完了
システム内更新日: 2022-09-20 12:35:36.103509
Title: Neural Networks for Pulmonary Disease Diagnosis using Auditory and Demographic Information
Title（参考訳）: 聴覚情報とデモグラフィ情報を用いた肺疾患診断のためのニューラルネットワーク
Authors: Morteza Hosseini, Haoran Ren, Hasib-Al Rashid, Arnab Neelim Mazumder, Bharat Prakash, and Tinoosh Mohsenin
Abstract要約: 新型コロナウイルス(COVID-19)の感染拡大は、呼吸器疾患の機械診断に研究コミュニティの注目を集めている。そこで本論文は,呼吸問題の分類に機械学習を活用する試みである。我々は、公開されている肺聴覚データセットの処理と分類にディープ畳み込みニューラルネットワーク(DCNN)を使用します。
参考スコア（独自算出の注目度）: 2.3228726690478547
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Pulmonary diseases impact millions of lives globally and annually. The recent outbreak of the pandemic of the COVID-19, a novel pulmonary infection, has more than ever brought the attention of the research community to the machine-aided diagnosis of respiratory problems. This paper is thus an effort to exploit machine learning for classification of respiratory problems and proposes a framework that employs as much correlated information (auditory and demographic information in this work) as a dataset provides to increase the sensitivity and specificity of a diagnosing system. First, we use deep convolutional neural networks (DCNNs) to process and classify a publicly released pulmonary auditory dataset, and then we take advantage of the existing demographic information within the dataset and show that the accuracy of the pulmonary classification increases by 5% when trained on the auditory information in conjunction with the demographic information. Since the demographic data can be extracted using computer vision, we suggest using another parallel DCNN to estimate the demographic information of the subject under test visioned by the processing computer. Lastly, as a proposition to bring the healthcare system to users' fingertips, we measure deployment characteristics of the auditory DCNN model onto processing components of an NVIDIA TX2 development board.
Abstract（参考訳）: 肺疾患は世界中で毎年何百万もの生命に影響を与えている。新型の肺感染症である新型コロナウイルス(covid-19)のパンデミックは、呼吸器疾患のマシン支援診断に研究コミュニティの注目を集めている。そこで本研究では,呼吸障害の分類に機械学習を応用し,診断システムの感度と特異性を高めるためのデータセットとして,相関情報(本研究における聴覚情報と人口統計情報)を多用する枠組みを提案する。まず,deep convolutional neural network (dcnns) を用いて,公表された肺聴覚データセットの処理と分類を行い,データセット内の既存の人口統計情報を活用し,人口統計情報と連携して聴覚情報に基づいてトレーニングした場合,肺分類の精度が5%向上することを示す。コンピュータビジョンを用いて人口統計データを抽出できるので、別の並列DCNNを用いて、コンピュータが視認する被験者の人口統計情報を推定することを提案する。最後に、ユーザの指先で医療システムを実現するための提案として、NVIDIA TX2開発ボードの処理コンポーネントへの聴覚DCNNモデルの展開特性を測定する。

関連論文リスト

Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers [14.144599890583308]
本稿では,大規模コークスデータセットを用いた自己教師型学習と教師型学習を併用したコークス病分類手法を提案する。提案手法は、新型コロナウイルスの診断のための2つのベンチマークデータセットと、AUROC 92.5% の COPD/non-COPD 分類のためのプロプライエタリデータセットにおいて、先行技術よりも一貫して優れていることを示す実験結果を得た。
論文参考訳（メタデータ） (2024-08-28T09:40:40Z)
A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文参考訳（メタデータ） (2024-05-13T17:49:20Z)
Radiology Report Generation Using Transformers Conditioned with Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文参考訳（メタデータ） (2023-11-18T14:52:26Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Multi-confound regression adversarial network for deep learning-based diagnosis on highly heterogenous clinical data [1.2891210250935143]
我々は、高度に異種な臨床データに基づいてディープラーニングモデルを訓練するための新しいディープラーニングアーキテクチャ、MUCRANを開発した。われわれは、2019年以前にマサチューセッツ総合病院から収集した16,821個の臨床T1軸性脳MRIを用いてMUCRANを訓練した。このモデルでは,新たに収集したデータに対して90%以上の精度で頑健な性能を示した。
論文参考訳（メタデータ） (2022-05-05T18:39:09Z)
Improving Pneumonia Localization via Cross-Attention on Medical Images and Reports [9.034599866957945]
本稿では,トレーニング中の医療報告のエンコード情報を活用し,より優れたローカライゼーションを実現するための,弱教師付き注目駆動型深層学習モデルを提案する。また,本モデルでは,肺炎に関連する属性の分類を行い,管理のために医療報告から抽出した。本稿では,胸部X線データを用いてモデルを探索,解析し,テキスト情報の導入が肺炎の局在を改善することを質的かつ定量的に示す。
論文参考訳（メタデータ） (2021-10-06T22:47:48Z)
CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文参考訳（メタデータ） (2021-05-25T12:06:55Z)
Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
RespireNet: A Deep Neural Network for Accurately Detecting Abnormal Lung Sounds in Limited Data Setting [9.175146418979324]
我々は,小型データセットを効率的に利用する新しい手法とともに,単純なCNNベースのモデルを提案する。我々は4クラス分類における最先端の成績を2.2%改善した。
論文参考訳（メタデータ） (2020-10-31T05:53:37Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Deep Neural Network for Respiratory Sound Classification in Wearable Devices Enabled by Patient Specific Model Tuning [2.8935588665357077]
メル・スペクトログラムに基づく呼吸音を分類する深層CNN-RNNモデルを提案する。また、まず呼吸器患者をスクリーニングし、次いで患者固有の分類モデルを構築する患者特化モデルチューニング戦略を実装した。 The proposed hybrid CNN-RNN model achieves 66.31% on four-class classification of breath cycles for ICBHI'17 scientific challenge respiratory sound database。
論文参考訳（メタデータ） (2020-04-16T15:42:58Z)

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。