論文の概要: Multimodal Spatio-Temporal Deep Learning Approach for Neonatal Postoperative Pain Assessment

• arxiv url: http://arxiv.org/abs/2012.02175v1
• Date: Thu, 3 Dec 2020 18:52:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-23 15:14:16.803131
• Title: Multimodal Spatio-Temporal Deep Learning Approach for Neonatal Postoperative Pain Assessment
• Title（参考訳）: 新生児術後痛評価のためのマルチモーダル時空間深層学習アプローチ
• Authors: Md Sirajus Salekin, Ghada Zamzmi, Dmitry Goldgof, Rangachar Kasturi, Thao Ho, Yu Sun
• Abstract要約: 新生児術後の痛みを評価するための現在の実践は、主観的、一貫性がなく、遅く、不連続である。 視覚信号と声信号を統合し,新生児術後の痛みを評価するための新しい多モーダル時間的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.523040451502402
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The current practice for assessing neonatal postoperative pain relies on bedside caregivers. This practice is subjective, inconsistent, slow, and discontinuous. To develop a reliable medical interpretation, several automated approaches have been proposed to enhance the current practice. These approaches are unimodal and focus mainly on assessing neonatal procedural (acute) pain. As pain is a multimodal emotion that is often expressed through multiple modalities, the multimodal assessment of pain is necessary especially in case of postoperative (acute prolonged) pain. Additionally, spatio-temporal analysis is more stable over time and has been proven to be highly effective at minimizing misclassification errors. In this paper, we present a novel multimodal spatio-temporal approach that integrates visual and vocal signals and uses them for assessing neonatal postoperative pain. We conduct comprehensive experiments to investigate the effectiveness of the proposed approach. We compare the performance of the multimodal and unimodal postoperative pain assessment, and measure the impact of temporal information integration. The experimental results, on a real-world dataset, show that the proposed multimodal spatio-temporal approach achieves the highest AUC (0.87) and accuracy (79%), which are on average 6.67% and 6.33% higher than unimodal approaches. The results also show that the integration of temporal information markedly improves the performance as compared to the non-temporal approach as it captures changes in the pain dynamic. These results demonstrate that the proposed approach can be used as a viable alternative to manual assessment, which would tread a path toward fully automated pain monitoring in clinical settings, point-of-care testing, and homes.
• Abstract（参考訳）: 新生児術後の痛みを評価するための現在の実践は、ベッドサイド介護者に依存している。 この習慣は主観的で、一貫性がなく、遅く、不連続である。 信頼性の高い医学的解釈を開発するため、いくつかの自動化アプローチが提案されている。 これらのアプローチは単調であり、主に新生児手続き(acute)の痛みを評価することに焦点を当てている。 痛みはしばしば複数のモダリティを通して表されるマルチモーダル感情であるため、特に術後(急性長期)の痛みの場合、痛みのマルチモーダル評価が必要である。 さらに、時空間解析は時間とともに安定であり、誤分類誤りを最小化するのに非常に有効であることが証明されている。 本稿では,視覚と声の信号を統合し,新生児の術後痛の評価に利用するマルチモーダル時空間アプローチを提案する。 提案手法の有効性を検討するため,総合的な実験を行った。 マルチモーダルとユニモーダルの術後痛覚評価の性能を比較し,時間的情報統合の効果を測定した。 実世界のデータセットを用いた実験の結果、提案されたマルチモーダル時空間アプローチは、平均6.67%と6.33%の高いAUC(0.87)と精度(79%)を達成することが示された。 また, 時間的情報の統合は, 痛みのダイナミックな変化を捉えた非時間的アプローチと比較して, パフォーマンスを著しく改善することを示した。 以上の結果から,本手法は手作業による評価の代替として有用であり,臨床現場,ポイント・オブ・ケア・テスト,在宅における痛みモニタリングの完全自動化への道が開ける可能性が示唆された。

関連論文リスト

• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Uncertainty Quantification in Neural-Network Based Pain Intensity Estimation [0.0]
  異なる個人が異なる痛みを経験するため、痛みの強さの評価は困難である。 本研究では,主観的痛覚間隔推定のためのニューラルネットワークを用いた手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T22:14:07Z)
• Predicting Adverse Neonatal Outcomes for Preterm Neonates with Multi-Task Learning [51.487856868285995]
  われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。 特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
  論文  参考訳（メタデータ） (2023-03-28T00:44:06Z)
• Preoperative Prognosis Assessment of Lumbar Spinal Surgery for Low Back Pain and Sciatica Patients based on Multimodalities and Multimodal Learning [8.809304978076305]
  低腰痛 (LBP) と坐骨神経痛 (sciatica) は、重度の痛みに症状がある場合に外科的治療を必要とすることがある。 前もって手術成績を評価する効果的な手段はない。 この研究は、東方医学と機械学習の要素を組み合わせて、術前評価ツールを開発した。
  論文  参考訳（メタデータ） (2023-03-16T05:06:06Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event Data [83.50281440043241]
  時系列データから不均一な処理効果を推定する問題について検討する。 本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T20:13:17Z)
• Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
  医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。 医療対話生成のためのエンドツーエンドの変分推論手法を提案する。 行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
  論文  参考訳（メタデータ） (2021-05-13T04:14:35Z)
• Deep learning in the ultrasound evaluation of neonatal respiratory status [11.308283140003676]
  肺超音波検査は科学界から関心を集めている。 画像解析とパターン認識のアプローチは、これらのデータに含まれる豊富な情報を十分に活用できることを証明している。 本稿では、近年のディープラーニングネットワークと、大規模かつ挑戦的なマルチセンターデータセット上で実施されているトレーニング戦略について、徹底的に分析する。
  論文  参考訳（メタデータ） (2020-10-31T18:57:55Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Peri-Diagnostic Decision Support Through Cost-Efficient Feature Acquisition at Test-Time [37.160335232396406]
  CADxのサブプロブレムは、取得段階を含む、周辺診断ワークフロー全体を通して医師を導くことである。 本稿では,入力層でのドロップアウトと,テスト時にトレーニングネットワークの統合勾配を動的に考慮し,特徴量の重要性を評価できる新しいアプローチを提案する。 その結果,提案手法は従来手法よりもコスト効率が高く,全体の精度も高いことがわかった。
  論文  参考訳（メタデータ） (2020-03-31T12:00:44Z)
• First Investigation Into the Use of Deep Learning for Continuous Assessment of Neonatal Postoperative Pain [4.121183008006413]
  具体的にはB-CNN(Bilinear Convolutional Neural Network)を用いて、術後の痛みのレベルが異なる顔の特徴を抽出する。 以上の結果から,急性痛と術後痛のパターンに明らかな差異が認められた。 また,バイリニアCNNとRNNモデルを併用した術後痛強度の連続評価の有用性も示唆した。
  論文  参考訳（メタデータ） (2020-03-24T01:13:07Z)

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。