Fugu-MT 論文翻訳(概要): An Approach to Intelligent Pneumonia Detection and Integration

論文の概要: An Approach to Intelligent Pneumonia Detection and Integration

arxiv url: http://arxiv.org/abs/2012.03487v1
Date: Mon, 7 Dec 2020 07:27:45 GMT
ステータス: 処理完了
システム内更新日: 2021-05-21 05:25:25.222059
Title: An Approach to Intelligent Pneumonia Detection and Integration
Title（参考訳）: インテリジェント肺炎検出と統合へのアプローチ
Authors: Bonaventure F. P. Dossou, Alena Iureva, Sayali R. Rajhans, Vamsi S. Pidikiti
Abstract要約: 肺炎は、適時かつ正しく診断された時に治療が成功し、aiベースの方法が高い確率に達する。しかしながら、肺炎の検出におけるAIの使用は、特に局所的に達成された結果の一般化の課題のために制限されている。本報告では,この課題を解決するシステムの構築と統合のためのロードマップを提案する。
参考スコア（独自算出の注目度）: 0.011947990549568768
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Each year, over 2.5 million people, most of them in developed countries, die from pneumonia [1]. Since many studies have proved pneumonia is successfully treatable when timely and correctly diagnosed, many of diagnosis aids have been developed, with AI-based methods achieving high accuracies [2]. However, currently, the usage of AI in pneumonia detection is limited, in particular, due to challenges in generalizing a locally achieved result. In this report, we propose a roadmap for creating and integrating a system that attempts to solve this challenge. We also address various technical, legal, ethical, and logistical issues, with a blueprint of possible solutions.
Abstract（参考訳）: 毎年、250万人以上の人々が、そのほとんどが先進国で肺炎で死亡している([1])。多くの研究が、タイムリーかつ正しく診断されたときに肺炎が治療可能であることを証明しているので、多くの診断補助薬が開発されている。しかし、現在、肺炎検出におけるAIの使用は、特に局所的に達成された結果を一般化する上での課題のために制限されている。本稿では,この課題を解決しようとするシステムの構築と統合のためのロードマップを提案する。また、様々な技術的、法的、倫理的、物流的な問題にも対処し、可能な解決策の青写真を作成しています。

関連論文リスト

Automatic Detection of COVID-19 from Chest X-ray Images Using Deep Learning Model [3.8329708057847305]
コロナウイルス(2019-nCoV)は昨年から広く普及しており、世界中に波及している。テストキットが限られているため、従来の手法で重篤な呼吸障害のある患者を検査するのも大変な作業である。本稿では,ディープラーニングを用いた診断システムの有効性を示すモデルを提案する。
論文参考訳（メタデータ） (2024-08-27T10:01:58Z)
A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文参考訳（メタデータ） (2024-05-21T06:44:40Z)
Few-Shot Learning for Chronic Disease Management: Leveraging Large Language Models and Multi-Prompt Engineering with Medical Knowledge Injection [11.877874209616195]
本研究は,慢性疾患管理のための最先端AI技術,特にユーザ生成テキストコンテンツによる種々の精神疾患の検出に活用する。我々は,大規模言語モデルやマルチプロンプトエンジニアリングなど,高度なAI技術を活用する新しいフレームワークを提案する。本手法は,世界中で広く普及している4つの精神疾患を研究事例として評価した。
論文参考訳（メタデータ） (2024-01-16T13:54:43Z)
Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-06-02T01:46:31Z)
NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文参考訳（メタデータ） (2022-06-02T07:57:17Z)
Do it Like the Doctor: How We Can Design a Model That Uses Domain Knowledge to Diagnose Pneumothorax [2.2141630212818306]
肺がん診断の解釈を専門とする医師による2つのシンク・アラウド研究を行い, 肺気胸の関連領域の知識を抽出した。我々は知識工学の概念を応用し、神経性胸腺症を自動的に診断するためのAIモデル設計を推奨した。
論文参考訳（メタデータ） (2022-05-24T15:42:43Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)
Multi-stage transfer learning for lung segmentation using portable X-ray devices for patients with COVID-19 [14.767716319266999]
本稿では,サンプル数の多いよく知られたドメインからの知識を,非常に少ない数でより複雑な新しいドメインに適応させる手法を提案する。携帯型X線装置から肺領域を分画できるロバストなシステムを得るため,脳磁気共鳴画像から無関係な病理像を抽出した。
論文参考訳（メタデータ） (2020-10-30T22:51:06Z)
Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。コンピュータ支援診断システムは診断精度を向上させる可能性を示した。本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文参考訳（メタデータ） (2020-05-28T10:54:34Z)
COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文参考訳（メタデータ） (2020-04-30T03:13:40Z)

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。