論文の概要: Multimedia Respiratory Database (RespiratoryDatabase@TR): Auscultation
Sounds and Chest X-rays
- arxiv url: http://arxiv.org/abs/2101.10946v1
- Date: Thu, 21 Jan 2021 08:08:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 18:19:44.750230
- Title: Multimedia Respiratory Database (RespiratoryDatabase@TR): Auscultation
Sounds and Chest X-rays
- Title（参考訳）: マルチメディア呼吸データベース(respiratorydatabase@tr):聴診音と胸部x線
- Authors: Gokhan Altan, Yakup Kutlu, Yusuf Garbi, Adnan Ozhan Pekmezci, Serkan
Nural
- Abstract要約: 肺および心臓の音は前部および前部胸壁および背部の左右の側面から同期的に記録されます。
胸部x線および肺機能検査変数およびスピロメトリック曲線を収集する。
データベースは健常者30名,気管支喘息,慢性閉塞性肺疾患,気管支炎などの肺疾患患者45名からなる。
- 参考スコア（独自算出の注目度）: 2.099922236065961
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Auscultation is a method for diagnosis of especially internal medicine
diseases such as cardiac, pulmonary and cardio-pulmonary by listening the
internal sounds from the body parts. It is the simplest and the most common
physical examination in the assessment processes of the clinical skills. In
this study, the lung and heart sounds are recorded synchronously from left and
right sides of posterior and anterior chest wall and back using two digital
stethoscopes in Antakya State Hospital. The chest X-rays and the pulmonary
function test variables and spirometric curves, the St. George respiratory
questionnaire (SGRQ-C) are collected as multimedia and clinical functional
analysis variables of the patients. The 4 channels of heart sounds are focused
on aortic, pulmonary, tricuspid and mitral areas. The 12 channels of lung
sounds are focused on upper lung, middle lung, lower lung and costophrenic
angle areas of posterior and anterior sides of the chest. The recordings are
validated and labelled by two pulmonologists evaluating the collected chest
x-ray, PFT and auscultation sounds of the subjects. The database consists of 30
healthy subjects and 45 subjects with pulmonary diseases such as asthma,
chronic obstructive pulmonary disease, bronchitis. The novelties of the
database are the combination ability between auscultation sound results, chest
X-ray and PFT; synchronously assessment capability of the lungs sounds; image
processing based computerized analysis of the respiratory using chest X-ray and
providing opportunity for improving analysis of both lung sounds and heart
sounds on pulmonary and cardiac diseases.
- Abstract（参考訳）: オースカルテーション(英: Auscultation)は、心臓、肺、心肺などの特に内科疾患を、体内の音を聴くことによって診断する方法である。
臨床スキルの評価過程において、最も単純かつ最も一般的な身体検査である。
本研究は,アンタクヤ州立病院の2台のデジタル聴診器を用いて,左右胸壁と胸壁の左右から肺と心臓の音を同期的に記録するものである。
胸部x線, 肺機能検査値, スピロメトリー曲線, st. george respiratory questionnaire (sgrq-c) をマルチメディアおよび臨床機能解析変数として収集した。
心臓音の4チャンネルは、大動脈、肺、三尖部、僧帽弁領域に焦点を当てている。
肺音の12チャンネルは、上肺、中肺、下肺、胸部および前胸部の気道角度領域に焦点が当てられている。
対象者の胸部X線, PFT, 聴診音を評価した結果, 2人の肺科医が記録を検証, ラベル付けした。
データベースは健常者30名,気管支喘息,慢性閉塞性肺疾患,気管支炎などの肺疾患患者45名からなる。
胸部X線とPFTの併用能力、肺の同期評価能力、胸部X線を用いた呼吸の画像処理解析、肺疾患および心臓疾患における肺の音と心臓の音の両方の分析を改善する機会を提供する。
関連論文リスト
- Manikin-Recorded Cardiopulmonary Sounds Dataset Using Digital Stethoscope [3.956979400783713]
心臓と肺の音は、医療監視に不可欠です。
近年の聴診器技術の進歩により、患者の音を精度良く捉えられるようになった。
私たちの知る限りでは、このデータセットは心呼吸音と混合呼吸音の両方を提供する最初のデータセットです。
論文 参考訳（メタデータ） (2024-10-04T09:53:16Z) - BRONCO: Automated modelling of the bronchovascular bundle using the
Computed Tomography Images [32.586316762855944]
我々はCT画像に基づく気管支血管束のセグメンテーションパイプラインを提案する。
我々は,低用量CTと標準用CTの両方で,様々な病理組織を用いて,様々なスライス厚で再構成し,各種機械から取得した。
論文 参考訳（メタデータ） (2023-09-18T00:38:25Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - BronchusNet: Region and Structure Prior Embedded Representation Learning
for Bronchus Segmentation and Classification [53.53758990624962]
そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。
気管支分画のための適応型ハード領域対応UNetを提案する。
気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
論文 参考訳（メタデータ） (2022-05-14T02:32:33Z) - 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) - The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning
on Lung Sounds [2.294014185517203]
ヒルベルト変換を肺音に適用することにより抽出される固有モード関数から統計的特徴を算出した。
喘息および健常者からの肺音の分類はDeep Belief Networks(DBN)を用いて行われる。
論文 参考訳（メタデータ） (2021-01-20T19:04:33Z) - Pneumonia Detection on Chest X-ray using Radiomic Features and
Contrastive Learning [26.031452674698787]
胸部X線における肺炎の検出に放射線学的特徴と造影学習を活用した新しい枠組みを提案する。
rsna肺炎検出チャレンジデータセットの実験により,いくつかの最先端モデルに優れた結果が得られた。
論文 参考訳（メタデータ） (2021-01-12T02:52:24Z) - Deep LF-Net: Semantic Lung Segmentation from Indian Chest Radiographs
Including Severely Unhealthy Images [5.826056983051642]
胸部X線写真(胸部X線、CxR)は、様々な肺疾患の診断において重要な役割を担っている。
正確な肺分画は、健康問題、年齢、性別による肺の形状のばらつきから非常に困難である。
提案研究は,CxRからの肺の正確な分画に対する効率的な深部畳み込みニューラルネットワークの使用について検討した。
論文 参考訳（メタデータ） (2020-11-19T07:21:02Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Neural collaborative filtering for unsupervised mitral valve
segmentation in echocardiography [60.08918310097638]
心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。
本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。
これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
論文 参考訳（メタデータ） (2020-08-13T12:53:26Z) - 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)
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。