Fugu-MT 論文翻訳(概要): An Update of a Progressively Expanded Database for Automated Lung Sound Analysis

論文の概要: An Update of a Progressively Expanded Database for Automated Lung Sound Analysis

arxiv url: http://arxiv.org/abs/2102.04062v1
Date: Mon, 8 Feb 2021 08:52:17 GMT
ステータス: 処理完了
システム内更新日: 2021-02-09 15:54:04.739684
Title: An Update of a Progressively Expanded Database for Automated Lung Sound Analysis
Title（参考訳）: 自動肺音解析のための進歩的な拡張データベースの更新
Authors: Fu-Shun Hsu, Shang-Ran Huang, Chien-Wen Huang, Yuan-Ren Cheng, Chun-Chieh Chen, Jack Hsiao, Chung-Wei Chen, and Feipei Lai
Abstract要約: 我々は,吸入,吸入,持続的不定音(CAS),不連続不定音(DAS)を検出することができるオープンアクセス肺音データベースHF_Lung_V1と自動肺音解析アルゴリズムを構築した。本研究では,HF-Lung-V1をHF-Lung-V2に拡張した。セグメント検出性能は、精度、予測正値(PPV)、感度特異性、F1スコア、受信動作特性(ROC)曲線および曲線下面積(AUC)を用いて測定した。結果から,モデルが訓練されたことが示唆された。
参考スコア（独自算出の注目度）: 0.16863755729554883
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A continuous real-time respiratory sound automated analysis system is needed in clinical practice. Previously, we established an open access lung sound database, HF_Lung_V1, and automated lung sound analysis algorithms capable of detecting inhalation, exhalation, continuous adventitious sounds (CASs) and discontinuous adventitious sounds (DASs). In this study, HF-Lung-V1 has been further expanded to HF-Lung-V2 with 1.45 times of increase in audio files. The convolutional neural network (CNN)-bidirectional gated recurrent unit (BiGRU) model was separately trained with training datasets of HF_Lung_V1 (V1_Train) and HF_Lung_V2 (V2_Train), and then were used for the performance comparisons of segment detection and event detection on both test datasets of HF_Lung_V1 (V1_Test) and HF_Lung_V2 (V2_Test). The performance of segment detection was measured by accuracy, predictive positive value (PPV), sensitivity, specificity, F1 score, receiver operating characteristic (ROC) curve and area under the curve (AUC), whereas that of event detection was evaluated with PPV, sensitivity, and F1 score. Results indicate that the model performance trained by V2_Train showed improvement on both V1_Test and V2_Test in inhalation, CASs and DASs, particularly in CASs, as well as on V1_Test in exhalation.
Abstract（参考訳）: 臨床実践には,連続的リアルタイム呼吸音自動分析システムが必要である。従来, 吸入, 吸入, 持続的変動音 (CASs) , 不連続的変動音 (DASs) を検出できるオープンアクセス型肺音データベースHF_Lung_V1, および自動肺音解析アルゴリズムを構築した。本研究では,HF-Lung-V1をHF-Lung-V2に拡張した。畳み込みニューラルネットワーク(CNN)-双方向ゲートリカレントユニット(BiGRU)モデルは、HF_Lung_V1(V1_Train)とHF_Lung_V2(V2_Train)のトレーニングデータセットで別々に訓練され、HF_Lung_V1(V1_Test)とHF_Lung_V2(V2_Test)の両方のテストデータセットにおけるセグメント検出とイベント検出のパフォーマンス比較に使用された。セグメント検出の性能は, 精度, 予測正値 (PPV), 感度, 特異性, F1スコア, 受信機動作特性 (ROC) 曲線および曲線下の領域 (AUC) で測定し, イベント検出はPV, 感度, F1スコアで評価した。その結果, v2_train がトレーニングしたモデル性能は, v1_test と v2_test の両方, 特に cass と dass において改善した。

関連論文リスト

Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
論文参考訳（メタデータ） (2023-09-05T21:36:42Z)
F-VLM: Open-Vocabulary Object Detection upon Frozen Vision and Language Models [54.21757555804668]
F-VLMは,凍結視覚と言語モデルに基づくシンプルなオープン語彙オブジェクト検出手法である。 F-VLMは、知識蒸留や検出調整事前訓練の必要性を排除し、現在の多段階訓練パイプラインを単純化する。
論文参考訳（メタデータ） (2022-09-30T17:59:52Z)
Automated Quality Controlled Analysis of 2D Phase Contrast Cardiovascular Magnetic Resonance Imaging [2.189751467114811]
位相コントラスト心磁気共鳴画像(PC-CMR)を用いた流れ解析完全CMRスキャンからのフローの完全自動解析のための新しいディープラーニングベースのフレームワークを提案する。
論文参考訳（メタデータ） (2022-09-28T16:37:35Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Lung Ultrasound Segmentation and Adaptation between COVID-19 and Community-Acquired Pneumonia [0.17159130619349347]
深層ニューラルネットワークを用いた超音声的B線分割作業に着目する。我々は、COVID-19とCAP肺超音波データの両方を用いて、ネットワークをトレーニングする。いずれかのタイプの肺疾患を推測する際には、様々な臨床応用が期待できる。
論文参考訳（メタデータ） (2021-08-06T14:17:51Z)
Improved Breath Phase and Continuous Adventitious Sound Detection in Lung and Tracheal Sound Using Mixed Set Training and Domain Adaptation [2.405718960148456]
気管音響データベースHF_Tracheal_V1を構築し、15秒間の気管音響記録の11107、吸入ラベル23087、吸入ラベル16728、吸入ラベル6874、CASラベル6874を含む。 HF_Tracheal_V1の気管音とHF_Lung_V2の肺音を組み合わせるか、単独でCNN-BiGRUモデルを訓練し、気管音響解析を行った。
論文参考訳（メタデータ） (2021-07-09T06:04:18Z)
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)
Crackle Detection In Lung Sounds Using Transfer Learning And Multi-Input Convolitional Neural Networks [26.399917342840265]
肺音のクラックル検出における記録設定のミスマッチに対処するために,転送学習を用いる。単一の入力畳み込みニューラルネットワーク(CNN)モデルは、肺音の最大の公開データベースであるIBHI 2017を使用して、ソースドメインで事前に訓練されます。マルチインプットモデルは, クラックや正常な肺音を分類するために, 自己収集肺音データベースのターゲット領域に微調整される。
論文参考訳（メタデータ） (2021-04-30T11:32:42Z)
Benchmarking of eight recurrent neural network variants for breath phase and adventitious sound detection on a self-developed open-access lung sound database-HF_Lung_V1 [0.35775620736088914]
頑健なコンピュータ化された呼吸音解析アルゴリズムは、まだ実用化には至っていない。我々は,9,765個の肺音の音声ファイルからなる肺音データベース(HF_Lung_V1)を開発した。その結果,これらのモデルは肺の音像解析において十分な性能を示した。
論文参考訳（メタデータ） (2021-02-05T08:21:28Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。