論文の概要: Analysing Wideband Absorbance Immittance in Normal and Ears with Otitis
Media with Effusion Using Machine Learning
- arxiv url: http://arxiv.org/abs/2103.02982v1
- Date: Thu, 4 Mar 2021 12:07:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-07 19:29:23.941388
- Title: Analysing Wideband Absorbance Immittance in Normal and Ears with Otitis
Media with Effusion Using Machine Learning
- Title（参考訳）: 正常および耳炎中耳炎における広帯域吸音率の機械学習による解析
- Authors: Emad M. Grais, Xiaoya Wang, Jie Wang, Fei Zhao, Wen Jiang, Yuexin Cai,
Lifang Zhang, Qingwen Lin, Haidi Yang
- Abstract要約: 本研究は、正常中耳および耳の異なる周波数圧領域にまたがる広帯域吸収伝達特性を、輸液中耳炎媒体(OME)を用いて同定する機械学習(ML)ツールの開発を目的とした。
実験結果から, MLツールがWAIデータから中耳疾患を自動診断する大きな可能性を秘めていることがわかった。
- 参考スコア（独自算出の注目度）: 10.565932190734054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wideband Absorbance Immittance (WAI) has been available for more than a
decade, however its clinical use still faces the challenges of limited
understanding and poor interpretation of WAI results. This study aimed to
develop Machine Learning (ML) tools to identify the WAI absorbance
characteristics across different frequency-pressure regions in the normal
middle ear and ears with otitis media with effusion (OME) to enable diagnosis
of middle ear conditions automatically. Data analysis including pre-processing
of the WAI data, statistical analysis and classification model development,
together with key regions extraction from the 2D frequency-pressure WAI images
are conducted in this study. Our experimental results show that ML tools appear
to hold great potential for the automated diagnosis of middle ear diseases from
WAI data. The identified key regions in the WAI provide guidance to
practitioners to better understand and interpret WAI data and offer the
prospect of quick and accurate diagnostic decisions.
- Abstract（参考訳）: 広帯域吸収率(WAI)は10年以上前から利用されていますが、その臨床使用は、限られた理解とWAI結果の悪い解釈の課題にまだ直面しています。
本研究は、正常中耳および耳の異なる周波数圧領域におけるWAI吸収特性を、輸液(OME)による耳炎媒体で同定し、中耳の状態を自動的に診断する機械学習(ML)ツールの開発を目的とした。
本研究では, waiデータの前処理, 統計解析, 分類モデル開発を含むデータ解析と, 2次元周波数圧wai画像からのキー領域抽出を行った。
実験結果から, MLツールがWAIデータから中耳疾患を自動診断する大きな可能性を秘めていることがわかった。
WAIの特定された重要な領域は、WAIデータをよりよく理解し、解釈し、迅速かつ正確な診断決定の見通しを提供する実践者にガイダンスを提供します。
関連論文リスト
- Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset [0.47517735516852333]
英国ブリストル,ノースサマセット,サウスグロスターシャーの尿路感染症(UTI)を特徴付けるために,リンクEHRデータセットを利用する。
包括的なデータ前処理とキュレーションパイプラインは、生のEHRデータをAIモデリングに適した構造化フォーマットに変換する。
臨床専門知識によりUTIリスク推定フレームワークを構築し,個別の患者タイムラインにまたがってUTIリスクを推定する。
論文 参考訳（メタデータ） (2024-11-26T18:10:51Z) - 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) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Enabling Collaborative Clinical Diagnosis of Infectious Keratitis by
Integrating Expert Knowledge and Interpretable Data-driven Intelligence [28.144658552047975]
感染性角膜炎(IK)の診断における知識誘導診断モデル(KGDM)の性能,解釈可能性,臨床的有用性について検討した。
AIベースのバイオマーカーの診断確率比(DOR)は3.011から35.233の範囲で有効である。
コラボレーションの参加者は、人間とAIの両方を上回るパフォーマンスを達成した。
論文 参考訳（メタデータ） (2024-01-14T02:10:54Z) - The Limits of Fair Medical Imaging AI In The Wild [43.97266228706059]
医療用AIが人口統計エンコーディングをどのように利用するかを検討する。
医療画像AIは、疾患分類において、人口動態のショートカットを利用することを確認した。
人口統計属性のエンコーディングが少ないモデルは、しばしば「グローバルに最適」であることがわかった。
論文 参考訳（メタデータ） (2023-12-11T18:59:50Z) - Unsupervised Anomaly Detection using Aggregated Normative Diffusion [46.24703738821696]
教師なし異常検出は、より広い範囲の異常を識別する可能性がある。
既存の最先端のUADアプローチは、様々な種類の異常に対してうまく一般化しない。
Aggregated Normative Diffusion (ANDi) という新しいUAD法を提案する。
論文 参考訳（メタデータ） (2023-12-04T14:02:56Z) - Deep denoising autoencoder-based non-invasive blood flow detection for
arteriovenous fistula [10.030431512848239]
本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。
以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。
ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
論文 参考訳（メタデータ） (2023-06-12T04:46:01Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - Side-aware Meta-Learning for Cross-Dataset Listener Diagnosis with
Subjective Tinnitus [38.66127142638335]
本稿では,クロスデータセット・ティンニタス診断のための側面認識メタラーニングを提案する。
本手法は,クロスデータセット分類において73.8%の精度を実現する。
論文 参考訳（メタデータ） (2022-05-03T03:17:44Z) - Interpreting Deep Learning Models for Epileptic Seizure Detection on EEG
signals [4.748221780751802]
ディープラーニング(DL)は、しばしば人工知能ベースの医療意思決定支援の最先端とみなされます。
臨床現場では未だに実装されており、ニューラルネットワークモデルの解釈能力が不十分なため、臨床医の信頼は低い。
脳波信号に基づくてんかん発作のオンライン検出の文脈で解釈可能なDLモデルを開発することでこの問題に対処した。
論文 参考訳（メタデータ） (2020-12-22T11:10:23Z)
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。