論文の概要: Smartphone Camera Oximetry in an Induced Hypoxemia Study
- arxiv url: http://arxiv.org/abs/2104.00038v1
- Date: Wed, 31 Mar 2021 18:10:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-02 13:24:50.691849
- Title: Smartphone Camera Oximetry in an Induced Hypoxemia Study
- Title（参考訳）: 低酸素血症研究におけるスマートフォンカメラのオキシメトリー
- Authors: Jason S. Hoffman, Varun Viswanath, Xinyi Ding, Matthew J. Thompson,
Eric C. Larson, Shwetak N. Patel and Edward Wang
- Abstract要約: 我々は,SpO$値(70%-100%)の広い範囲で,スマートフォンベースのメソッドのみに対する臨床的に関連性のあるバリデーションプロトコルを初めて作成した。
このデータを用いて深層学習モデルを構築し,SpO$レベルの正確なレポートを実証する。
- 参考スコア（独自算出の注目度）: 10.837123708913703
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hypoxemia, a medical condition that occurs when the blood is not carrying
enough oxygen to adequately supply the tissues, is a leading indicator for
dangerous complications of respiratory diseases like asthma, COPD, and
COVID-19. While purpose-built pulse oximeters can provide accurate blood-oxygen
saturation (SpO$_2$) readings that allow for diagnosis of hypoxemia, enabling
this capability in unmodified smartphone cameras via a software update could
give more people access to important information about their health, as well as
improve physicians' ability to remotely diagnose and treat respiratory
conditions. In this work, we take a step towards this goal by performing the
first clinical development validation on a smartphone-based SpO$_2$ sensing
system using a varied fraction of inspired oxygen (FiO$_2$) protocol, creating
a clinically relevant validation dataset for solely smartphone-based methods on
a wide range of SpO$_2$ values (70%-100%) for the first time. This contrasts
with previous studies, which evaluated performance on a far smaller range
(85%-100%). We build a deep learning model using this data to demonstrate
accurate reporting of SpO$_2$ level with an overall MAE=5.00% SpO$_2$ and
identifying positive cases of low SpO$_2$<90% with 81% sensitivity and 79%
specificity. We ground our analysis with a summary of recent literature in
smartphone-based SpO2 monitoring, and we provide the data from the FiO$_2$
study in open-source format, so that others may build on this work.
- Abstract（参考訳）: 低酸素症(Hypoxemia)は、血液が組織に十分な酸素を供給していないときに起こる疾患で、喘息、COPD、COVID-19などの呼吸器疾患の危険合併症の指標である。
パルスオキシメータは、血液酸素飽和度(SpO$_2$)を正確に測定し、低酸素症の診断を可能にし、ソフトウェアアップデートを通じて未修正のスマートフォンカメラでこれを可能とすることで、患者の健康に関する重要な情報にアクセスし、医師の遠隔診断や呼吸状態の治療能力を向上させることができる。
本研究では,スマートフォンベースのspo$_2$センシングシステムにおいて,各種のインスパイア酸素 (fio$_2$) プロトコルを用いた最初の臨床開発検証を行い,spo$_2$値 (70%-100%) の広い範囲において,スマートフォンベースの方法のみを対象とした臨床関連検証データセットを作成することで,この目標に向けて一歩を踏み出した。
これは、より小さな範囲(85%-100%)で性能を評価する以前の研究とは対照的である。
このデータを用いて,総合MAE=5.00% SpO$_2$によるSpO$_2$レベルの正確な報告と,感度81%,特異性79%の低いSpO$_2$<90%の陽性症例を同定する深層学習モデルを構築した。
我々は、スマートフォンベースのSpO2モニタリングにおける最近の文献をまとめて分析し、オープンソースフォーマットにおけるFiO$_2$研究のデータを提供し、他の人たちがこの研究を構築できるようにします。
関連論文リスト
- On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。
5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。
本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2024-08-27T18:29:47Z) - Contrasting Deep Learning Models for Direct Respiratory Insufficiency Detection Versus Blood Oxygen Saturation Estimation [1.4149417323913716]
RI検出のための事前学習型音声ニューラルネットワーク(CNN6,CNN10,CNN14)とMasked Autoencoder(Audio-MAE)について検討した。
SpO2レベルを推定する回帰タスクでは、指のオキシメータの3.5%以上の根平均2乗誤差値が得られる。
我々はSpO2-regressionを92%の閾値でSpO2-Thresholdバイナリ分類問題に変換する。
論文 参考訳（メタデータ） (2024-07-30T17:26:16Z) - Model Explainability in Physiological and Healthcare-based Neural
Networks [26.241527103973887]
新型コロナウイルスのパンデミックは、SpO2の早期発見の重要性を強調している。
従来のSpO2測定方法は、コンタクトベースのセンシングに依存している。
パルスオキシメータは 地域社会や未開発国では使えません
提案手法は,コンシューマグレードのスマートフォンから撮影したビデオを用いて,より効率的かつ正確なSpO2監視方法を提供する。
論文 参考訳（メタデータ） (2023-04-03T20:58:32Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - Remote Blood Oxygen Estimation From Videos Using Neural Networks [14.89693668182024]
血液酸素飽和度(SpO$$)は呼吸機能の不可欠な指標であり、新型コロナウイルスのパンデミックで注目されている。
スマートフォンカメラを用いた最初の畳み込みニューラルネットワークに基づく非接触SpO$推定方式を提案する。
論文 参考訳（メタデータ） (2021-07-11T16:59:49Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Robust Modelling of Reflectance Pulse Oximetry for SpO$_2$ Estimation [0.0]
肺疾患患者には酸素飽和度の連続モニタリングが不可欠である。
従来、SpO$$モニタリングは送信パルスオキシメータを使用して行われてきた。
反射パルスオキシメータは、指、手首、胸、額などの様々な場所で使用することができる。
論文 参考訳（メタデータ） (2020-04-14T04:53:14Z)
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。