論文の概要: Machine learning for nocturnal diagnosis of chronic obstructive
pulmonary disease using digital oximetry biomarkers
- arxiv url: http://arxiv.org/abs/2012.05492v1
- Date: Thu, 10 Dec 2020 07:33:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 06:10:34.209167
- Title: Machine learning for nocturnal diagnosis of chronic obstructive
pulmonary disease using digital oximetry biomarkers
- Title（参考訳）: デジタルオキシメトリーバイオマーカーを用いた慢性閉塞性肺疾患の夜間診断のための機械学習
- Authors: Jeremy Levy, Daniel Alvarez, Felix del Campo, and Joachim A. Behar
- Abstract要約: COPDは死亡率、死亡率、医療費の主な源である。
夜間オキシメトリー時系列による COPD 診断の可能性について検討した研究はない。
44のオキシメトリデジタルバイオマーカーと5つの人口動態を用いた夜間 COPD 診断の新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Objective: Chronic obstructive pulmonary disease (COPD) is a highly prevalent
chronic condition. COPD is a major source of morbidity, mortality and
healthcare costs. Spirometry is the gold standard test for a definitive
diagnosis and severity grading of COPD. However, a large proportion of
individuals with COPD are undiagnosed and untreated. Given the high prevalence
of COPD and its clinical importance, it is critical to develop new algorithms
to identify undiagnosed COPD, especially in specific groups at risk, such as
those with sleep disorder breathing. To our knowledge, no research has looked
at the feasibility of COPD diagnosis from the nocturnal oximetry time series.
Approach: We hypothesize that patients with COPD will exert certain patterns
and/or dynamics of their overnight oximetry time series that are unique to this
condition. We introduce a novel approach to nocturnal COPD diagnosis using 44
oximetry digital biomarkers and 5 demographic features and assess its
performance in a population sample at risk of sleep-disordered breathing. A
total of n=350 unique patients polysomnography (PSG) recordings. A random
forest (RF) classifier is trained using these features and evaluated using the
nested cross-validation procedure. Significance: Our research makes a number of
novel scientific contributions. First, we demonstrated for the first time, the
feasibility of COPD diagnosis from nocturnal oximetry time series in a
population sample at risk of sleep disordered breathing. We highlighted what
digital oximetry biomarkers best reflect how COPD manifests overnight. The
results motivate that overnight single channel oximetry is a valuable pathway
for COPD diagnosis.
- Abstract（参考訳）: 目的:慢性閉塞性肺疾患(COPD)は非常に多い慢性疾患である。
COPDは死亡率、死亡率、医療費の主な源である。
スピロメトリーは, COPDの診断および重症度評価のための金標準検査である。
しかし、PD患者の多くは未診断で治療を受けていない。
COPDの頻度が高いこと、その臨床的重要性を考えると、特に睡眠障害の呼吸などリスクのある特定のグループにおいて、未診断のCOPDを識別するための新しいアルゴリズムを開発することが重要である。
我々の知る限り、夜間オキシメトリー時系列による COPD 診断の可能性は研究されていない。
アプローチ: COPD患者は、この状態に特有の一晩のオキシメトリー時系列の特定のパターンおよび/またはダイナミクスを発揮できると仮定する。
本研究は,44のオキシメトリデジタルバイオマーカーと5つの人口動態を用いた夜間 COPD 診断への新しいアプローチを導入し,睡眠時無呼吸のリスクがある集団検体の性能評価を行った。
総計350名の独特な患者がpsg(polysomnography)記録を行った。
これらの特徴を用いてランダムフォレスト(rf)分類器を訓練し、ネストクロスバリデーション法を用いて評価する。
意義:我々の研究は数多くの新しい科学的貢献をしている。
まず,睡眠障害呼吸のリスクのある個体群を対象に,夜間オキシメトリー時系列からの COPD 診断の可能性について実験を行った。
デジタルオキシメトリバイオマーカーは、PDが一晩でどのように現れるかを最もよく反映している。
その結果,一晩一チャンネルオキシメトリーは COPD 診断に有用であることが示唆された。
関連論文リスト
- Prediction of COPD Using Machine Learning, Clinical Summary Notes, and Vital Signs [0.0]
慢性閉塞性肺疾患(慢性閉塞性肺疾患、COPD)は、慢性の炎症性肺疾患である。
本稿では,AI と自然言語処理 (NLP) を用いて COPD の悪化を予測する2つの予測モデルを提案する。
我々は, COPD増悪の検出と予測において, 受信器動作特性(ROC)曲線0.82の領域を達成した。
論文 参考訳（メタデータ） (2024-08-25T23:41:39Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Fractional dynamics foster deep learning of COPD stage prediction [2.6414930652238535]
慢性閉塞性肺疾患(COPD)は世界中の死因の1つである。
現在のCOPD診断(spirometry)は、テストがテスタとテスタの適切な努力に依存しているため、信頼性が低い可能性がある。
2つの新しい生理的信号データセットを構築し, COPD検出に対処する。
論文 参考訳（メタデータ） (2023-03-13T23:47:46Z) - Early Diagnosis of Chronic Obstructive Pulmonary Disease from Chest
X-Rays using Transfer Learning and Fusion Strategies [1.234198411367205]
慢性閉塞性肺疾患(慢性閉塞性肺疾患、COPD)は、世界でも最も多い慢性疾患の一つであり、世界第3位の死因である。
診断は後年まで行われなかったり、診断されなかったりすることが多い。
スピロメトリテストは、PDを診断するための金の標準であるが、特に資源不足国では入手が困難である。
胸部X線(CXR)は容易に利用可能であり、さらなる検査を行うべき COPD 患者のスクリーニングツールとして機能する。
論文 参考訳（メタデータ） (2022-11-13T15:12:22Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳（メタデータ） (2022-04-20T17:28:08Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - 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) - COVID-19 Detection from Chest X-ray Images using Imprinted Weights
Approach [67.05664774727208]
胸部X線撮影は、COVID-19の代替スクリーニング方法です。
コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。
この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-04T19:01:40Z) - 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) - Automatic scoring of apnea and hypopnea events using blood oxygen
saturation signals [0.0]
DAS-KSVDを用いて、睡眠健康研究データベースから得られた信号から無呼吸および低呼吸の事象を検出し分類した。
中等度から重度のOSAHスクリーニングでは、それぞれ0.957の曲線と87.56%と88.32%の診断感度と特異性を示す特性曲線解析を行う。
論文 参考訳（メタデータ） (2020-03-22T15:17:20Z) - COPD Classification in CT Images Using a 3D Convolutional Neural Network [10.217631381481457]
慢性閉塞性肺疾患(英: chronic obstructive lung disease, COPD)は、完全に可逆性ではない肺疾患である。
ボリュームワイドアノテーションのみを用いて, COPDと気腫を分類する3次元深層学習手法を提案する。
また,事前に訓練したCOPD分類モデルからの知識伝達を用いた気腫分類における移動学習の効果を実証した。
論文 参考訳（メタデータ） (2020-01-04T16:58:45Z)
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。