論文の概要: Identification of Pediatric Respiratory Diseases Using Fine-grained Diagnosis System

• arxiv url: http://arxiv.org/abs/2108.10818v1
• Date: Tue, 24 Aug 2021 16:09:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-25 14:21:42.049923
• Title: Identification of Pediatric Respiratory Diseases Using Fine-grained Diagnosis System
• Title（参考訳）: 微細診断システムを用いた小児呼吸器疾患の同定
• Authors: Gang Yu, Zhongzhi Yu, Yemin Shi, Yingshuo Wang, Xiaoqing Liu, Zheming Li, Yonggen Zhao, Fenglei Sun, Yizhou Yu, Qiang Shu
• Abstract要約: 喘息、気管支炎、肺炎、上気道感染症(RTI)などの呼吸器疾患は、クリニックで最も一般的な疾患である。 小児科では、患者の状況を表現する能力に限界があるため、正確な診断がさらに困難になる。 本稿では,小児科における詳細な診断支援システムを提案する。
• 参考スコア（独自算出の注目度）: 41.60894942209209
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Respiratory diseases, including asthma, bronchitis, pneumonia, and upper respiratory tract infection (RTI), are among the most common diseases in clinics. The similarities among the symptoms of these diseases precludes prompt diagnosis upon the patients' arrival. In pediatrics, the patients' limited ability in expressing their situation makes precise diagnosis even harder. This becomes worse in primary hospitals, where the lack of medical imaging devices and the doctors' limited experience further increase the difficulty of distinguishing among similar diseases. In this paper, a pediatric fine-grained diagnosis-assistant system is proposed to provide prompt and precise diagnosis using solely clinical notes upon admission, which would assist clinicians without changing the diagnostic process. The proposed system consists of two stages: a test result structuralization stage and a disease identification stage. The first stage structuralizes test results by extracting relevant numerical values from clinical notes, and the disease identification stage provides a diagnosis based on text-form clinical notes and the structured data obtained from the first stage. A novel deep learning algorithm was developed for the disease identification stage, where techniques including adaptive feature infusion and multi-modal attentive fusion were introduced to fuse structured and text data together. Clinical notes from over 12000 patients with respiratory diseases were used to train a deep learning model, and clinical notes from a non-overlapping set of about 1800 patients were used to evaluate the performance of the trained model. The average precisions (AP) for pneumonia, RTI, bronchitis and asthma are 0.878, 0.857, 0.714, and 0.825, respectively, achieving a mean AP (mAP) of 0.819.
• Abstract（参考訳）: 喘息、気管支炎、肺炎、上気道感染症(RTI)などの呼吸器疾患は、クリニックで最も一般的な疾患である。 これらの疾患の症状の類似性は、患者の到着時に迅速に診断することを妨げる。 小児科では, 症状の表現能力が限られているため, 正確な診断は困難である。 これは、医療画像装置の欠如と医師の限られた経験が、類似した疾患の区別の困難さをさらに増す、一次病院で悪化する。 本報告では, 小児の細粒度診断補助システムについて, 入院時に臨床ノートのみを用いて, 迅速かつ正確な診断を行うように提案する。 提案システムは,検査結果の構造化段階と疾患同定段階の2段階からなる。 第1段階は臨床ノートから関連する数値を抽出して検査結果を構造化し、疾患識別段階はテキスト形式の臨床記録および第1段階から得られた構造化データに基づく診断を提供する。 適応的特徴注入や多モード注意融合といった手法を導入し, ヒューズデータとテキストデータを融合する, 新たな深層学習アルゴリズムを開発した。 深層学習モデルのトレーニングには12000人以上の呼吸器疾患患者の臨床ノートを使用し,訓練モデルの性能評価には約1800人の非重複患者からの臨床ノートを使用した。 肺炎、RTI、気管支炎、喘息の平均精度(AP)はそれぞれ0.878、0.857、0.714、0.825であり、平均AP(mAP)は0.819である。

関連論文リスト

• Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers [14.144599890583308]
  本稿では,大規模コークスデータセットを用いた自己教師型学習と教師型学習を併用したコークス病分類手法を提案する。 提案手法は、新型コロナウイルスの診断のための2つのベンチマークデータセットと、AUROC 92.5% の COPD/non-COPD 分類のためのプロプライエタリデータセットにおいて、先行技術よりも一貫して優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-08-28T09:40:40Z)
• A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
  本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。 診断過程を概説する決定論的アプローチに基づいている。 機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
  論文  参考訳（メタデータ） (2023-11-26T14:42:31Z)
• A Transformer-based representation-learning model with unified processing of multimodal input for clinical diagnostics [63.106382317917344]
  本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。 統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
  論文  参考訳（メタデータ） (2023-06-01T16:23:47Z)
• Automated speech- and text-based classification of neuropsychiatric conditions in a multidiagnostic setting [2.0972270756982536]
  音声パターンは神経精神疾患の診断マーカーとして認識されている。 我々は,機械学習モデルと高度なトランスフォーマーモデルの性能を,二進分類と多進分類の両方で検証した。 以上の結果から,二項分類で訓練したモデルは,臨床と非臨床の集団間の一般的な差異のマーカーに依存することが示唆された。
  論文  参考訳（メタデータ） (2023-01-13T08:24:21Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Lifelong Learning based Disease Diagnosis on Clinical Notes [24.146567779632107]
  本稿では,医学的実体と文脈の融合,エピソディクス記憶の埋め込み,知識の保持に注意を払うことを提案する。 各種病院から収集した臨床記録を含む新しいベンチマークjarvis-40を樹立した。 提案手法は,提案するベンチマークで最先端の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-02-27T09:23:57Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Classification supporting COVID-19 diagnostics based on patient survey data [82.41449972618423]
  新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。 得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。 このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
  論文  参考訳（メタデータ） (2020-11-24T17:44:01Z)
• Multi-stage transfer learning for lung segmentation using portable X-ray devices for patients with COVID-19 [14.767716319266999]
  本稿では,サンプル数の多いよく知られたドメインからの知識を,非常に少ない数でより複雑な新しいドメインに適応させる手法を提案する。 携帯型X線装置から肺領域を分画できるロバストなシステムを得るため,脳磁気共鳴画像から無関係な病理像を抽出した。
  論文  参考訳（メタデータ） (2020-10-30T22:51:06Z)
• Proposing a two-step Decision Support System (TPIS) based on Stacked ensemble classifier for early and low cost (step-1) and final (step-2) differential diagnosis of Mycobacterium Tuberculosis from non-tuberculosis Pneumonia [3.5128547933798275]
  マイコバクテリウム結核(Mycobacterium tuberculosis, TB)は、肺炎に類似した症状を示す感染症である。 本研究では,肺炎からのTBの鑑別にTPISという2段階決定支援システムを提案する。
  論文  参考訳（メタデータ） (2020-09-04T17:47:41Z)

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。