論文の概要: Clinical Validation of Single-Chamber Model-Based Algorithms Used to Estimate Respiratory Compliance

• arxiv url: http://arxiv.org/abs/2109.10224v1
• Date: Sun, 19 Sep 2021 07:34:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-23 06:34:37.735868
• Title: Clinical Validation of Single-Chamber Model-Based Algorithms Used to Estimate Respiratory Compliance
• Title（参考訳）: 単一チャンバーモデルに基づく呼吸コンプライアンス推定アルゴリズムの臨床的検証
• Authors: Gregory Rehm, Jimmy Nguyen, Chelsea Gilbeau, Marc T Bomactao, Chen-Nee Chuah, Jason Adams
• Abstract要約: 人工肺のオープンで臨床的に検証されたデータセットを構築し,18名の挿管患者から約4万回の呼吸を行った。 次に,呼吸コンプライアンスを推定する「単一室」モデルを用いた15種類のアルゴリズムの評価を行った。 特に,4種類の患者換気器の非同期性に基づくアルゴリズムの性能について検討する。
• 参考スコア（独自算出の注目度）: 2.9511531830032083
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Non-invasive estimation of respiratory physiology using computational algorithms promises to be a valuable technique for future clinicians to detect detrimental changes in patient pathophysiology. However, few clinical algorithms used to non-invasively analyze lung physiology have undergone rigorous validation in a clinical setting, and are often validated either using mechanical devices, or with small clinical validation datasets using 2-8 patients. This work aims to improve this situation by first, establishing an open, and clinically validated dataset comprising data from both mechanical lungs and nearly 40,000 breaths from 18 intubated patients. Next, we use this data to evaluate 15 different algorithms that use the "single chamber" model of estimating respiratory compliance. We evaluate these algorithms under varying clinical scenarios patients typically experience during hospitalization. In particular, we explore algorithm performance under four different types of patient ventilator asynchrony. We also analyze algorithms under varying ventilation modes to benchmark algorithm performance and to determine if ventilation mode has any impact on the algorithm. Our approach yields several advances by 1) showing which specific algorithms work best clinically under varying mode and asynchrony scenarios, 2) developing a simple mathematical method to reduce variance in algorithmic results, and 3) presenting additional insights about single-chamber model algorithms. We hope that our paper, approach, dataset, and software framework can thus be used by future researchers to improve their work and allow future integration of "single chamber" algorithms into clinical practice.
• Abstract（参考訳）: 計算アルゴリズムを用いた呼吸生理学の非侵襲的推定は、将来の臨床医が患者の病態の有害な変化を検出するための貴重な技術である。 しかし、非侵襲的に肺生理学を分析するために用いられる臨床アルゴリズムは、臨床環境では厳密な検証を受けており、機械装置を使うか、2-8人の患者による小さな臨床検証データセットで検証されることが多い。 この研究は、まず、機械的肺からのデータと18人の挿管患者から4万近い呼吸を含むオープンで臨床的に検証されたデータセットを確立することで、この状況を改善することを目的としている。 次に,このデータを用いて呼吸コンプライアンスを推定する「シングルチャンバー」モデルを用いた15種類のアルゴリズムを評価する。 患者が入院時に経験する様々な臨床シナリオに基づいて,これらのアルゴリズムを評価する。 特に,4種類の患者換気器非同期性に基づくアルゴリズムの性能について検討する。 また,異なる換気モードのアルゴリズムを解析して,アルゴリズム性能をベンチマークし,換気モードがアルゴリズムに与える影響を判定する。 私たちのアプローチはいくつかの進歩をもたらします 1) 異なるモードおよび非同期シナリオ下で, どのアルゴリズムが最も有効かを示す。 2)アルゴリズム結果のばらつきを低減させる単純な数学的手法の開発 3)シングルチャンバーモデルアルゴリズムに関するさらなる洞察を提供する。 論文,アプローチ,データセット,ソフトウェアフレームワークを将来の研究者が活用して,作業を改善し,将来的な"単一チャンバ"アルゴリズムを臨床実践に統合できることを願っています。

関連論文リスト

• Benchmarking changepoint detection algorithms on cardiac time series [3.397233888137007]
  本研究は、疾患分類などの特定のタスクに対して、変更点検出アルゴリズムを選択するための原則的なアプローチを提案する。 人工データから選択したパラメータを用いて,REM行動障害(RBD)患者22名と健常者15名の実データ(心的時系列)に全アルゴリズムを適用した。
  論文  参考訳（メタデータ） (2024-04-16T20:48:50Z)
• A Robust Ensemble Algorithm for Ischemic Stroke Lesion Segmentation: Generalizability and Clinical Utility Beyond the ISLES Challenge [30.611482996378683]
  画像と疾患の多様性は、臨床価値を持つ一般化可能なAIアルゴリズムの開発を妨げる。 2022 Ischemic Stroke Lesion (ISLES) から得られた新しいアンサンブルアルゴリズムを提案する。 トップパフォーマンスのアルゴリズムを、個々のソリューションの限界を克服するアンサンブルモデルに組み合わせました。
  論文  参考訳（メタデータ） (2024-03-28T13:56:26Z)
• PyTrial: Machine Learning Software and Benchmark for Clinical Trial Applications [49.69824178329405]
  PyTrialは、臨床試験の設計と運用のための一連の機械学習アルゴリズムのベンチマークとオープンソース実装を提供する。 患者結果予測,臨床試験サイト選択,トライアル結果予測,患者と臨床のマッチング,トライアル類似性検索,合成データ生成など,6つのタスクにわたる臨床試験のための34のMLアルゴリズムを網羅的に検討した。 PyTrialは、データローディング、モデル仕様、モデルトレーニング、モデル評価という、単純な4段階のプロセスで各タスクを定義します。
  論文  参考訳（メタデータ） (2023-06-06T21:19:03Z)
• A method for comparing multiple imputation techniques: a case study on the U.S. National COVID Cohort Collaborative [1.259457977936316]
  統計的解析の文脈において、欠落データを扱うための戦略を数値的に評価する。 このアプローチは、最も有効でパフォーマンスの低いデータハンドリング戦略を効果的に強調することができる。
  論文  参考訳（メタデータ） (2022-06-13T19:49:54Z)
• PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical Research [0.0]
  我々は臨床現場で取得したデータに対して最先端のアルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発する。 本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。
  論文  参考訳（メタデータ） (2022-03-16T17:54:37Z)
• 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)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• 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)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• A semi-supervised autoencoder framework for joint generation and classification of breathing [0.0]
  本稿では,AAEアルゴリズムと1次元畳み込みに基づくバイオメディカル時系列の生成と分類を行うフレームワークを提案する。 本研究は,放射線照射肺がん治療中に呼吸運動をとらえる特定の動機を持つ呼吸時系列に基づいている。
  論文  参考訳（メタデータ） (2020-10-19T14:02:14Z)

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。