論文の概要: A smartphone based multi input workflow for non-invasive estimation of
haemoglobin levels using machine learning techniques
- arxiv url: http://arxiv.org/abs/2011.14370v1
- Date: Sun, 29 Nov 2020 13:57:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 09:05:48.386363
- Title: A smartphone based multi input workflow for non-invasive estimation of
haemoglobin levels using machine learning techniques
- Title(参考訳): 機械学習によるヘモグロビンレベルの非侵襲的推定のためのスマートフォン型マルチ入力ワークフロー
- Authors: Sarah, S.Sidhartha Narayan, Irfaan Arif, Hrithwik Shalu, Juned
Kadiwala
- Abstract要約: 画像処理,機械学習,ディープラーニングを組み合わせることで,ヘモグロビン濃度を測定する予測モデルを開発する。
これは、患者の指爪床、頭蓋結膜、舌の色解析によって達成される。
- 参考スコア(独自算出の注目度): 0.2519906683279153
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We suggest a low cost, non invasive healthcare system that measures
haemoglobin levels in patients and can be used as a preliminary diagnostic test
for anaemia. A combination of image processing, machine learning and deep
learning techniques are employed to develop predictive models to measure
haemoglobin levels. This is achieved through the color analysis of the
fingernail beds, palpebral conjunctiva and tongue of the patients. This
predictive model is then encapsulated in a healthcare application. This
application expedites data collection and facilitates active learning of the
model. It also incorporates personalized calibration of the model for each
patient, assisting in the continual monitoring of the haemoglobin levels of the
patient. Upon validating this framework using data, it can serve as a highly
accurate preliminary diagnostic test for anaemia.
- Abstract(参考訳): 我々は,低費用で非侵襲的にヘモグロビン濃度を測定し,貧血の予備診断試験として使用できる医療システムを提案する。
画像処理、機械学習、ディープラーニング技術を組み合わせて、ヘモグロビンレベルを測定するための予測モデルを開発した。
これは、患者の指爪床、頭蓋結膜、舌の色解析によって達成される。
この予測モデルは、医療アプリケーションにカプセル化される。
このアプリケーションはデータ収集を迅速化し、モデルのアクティブな学習を促進する。
また,各患者のヘモグロビン濃度の連続的なモニタリングを支援するため,各患者ごとに個別にモデルのキャリブレーションを行う。
データを用いてこのフレームワークを検証すると、アナ血症の高精度な予備診断テストとして機能する。
関連論文リスト
- A Continual Learning Approach for Cross-Domain White Blood Cell
Classification [36.482007703764154]
白血球分類におけるクラスインクリメンタルおよびドメインインクリメンタルシナリオに対するリハーサルに基づく連続学習手法を提案する。
従来のタスクから代表サンプルを選択するために,モデルの予測に基づいてセット選択を用いる。
色,解像度,クラス組成が異なる3つの白血球分類データセットについて,提案手法を徹底的に評価した。
論文 参考訳(メタデータ) (2023-08-24T09:38:54Z) - Classification of White Blood Cells Using Machine and Deep Learning
Models: A Systematic Review [8.452349885923507]
機械学習(ML)とディープラーニング(DL)モデルは、医療画像の分析を大幅に改善するために採用されている。
モデル予測と分類は、様々ながんや腫瘍の診断を支援する。
本総説では,白細胞分類のための医用画像解析の領域内で適用された最新の技術について,詳細な分析を行った。
論文 参考訳(メタデータ) (2023-08-11T06:32:25Z) - TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳(メタデータ) (2023-07-19T12:35:09Z) - A survey on automated detection and classification of acute leukemia and
WBCs in microscopic blood cells [6.117084972237769]
白血球 (Leukemia) は、白血球や白血球が骨髄や血液中に拡散する異常な疾患である。
従来の機械学習とディープラーニング技術は、医療画像の診断と分類の精度とスピードを高めるための実践的なロードマップである。
本稿では, 急性白血病およびWBCの検出と分類に関する包括的解析を行った。
論文 参考訳(メタデータ) (2023-03-07T14:26:08Z) - A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。
トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。
本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
論文 参考訳(メタデータ) (2022-11-01T14:12:58Z) - Enabling scalable clinical interpretation of ML-based phenotypes using
real world data [0.0]
本研究では,大規模なERHデータセットを用いて患者層化分析を行う手法について検討した。
本研究は, 患者層分類結果の臨床的評価と解釈を容易にするためのいくつかのツールを開発した。
論文 参考訳(メタデータ) (2022-08-02T17:31:03Z) - Multi-task fusion for improving mammography screening data
classification [3.7683182861690843]
まず、個別のタスク固有のモデルのセットをトレーニングするパイプラインアプローチを提案する。
次に、標準モデルの集合戦略とは対照的に、その融合について検討する。
我々の融合アプローチは、標準モデルのアンサンブルに比べてAUCのスコアを最大0.04向上させる。
論文 参考訳(メタデータ) (2021-12-01T13:56:27Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳(メタデータ) (2021-01-13T03:20:20Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳(メタデータ) (2020-05-10T01:45:03Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
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。