論文の概要: Real-Time Multi-Level Neonatal Heart and Lung Sound Quality Assessment for Telehealth Applications

• arxiv url: http://arxiv.org/abs/2109.15127v1
• Date: Wed, 29 Sep 2021 01:08:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-01 14:31:53.187231
• Title: Real-Time Multi-Level Neonatal Heart and Lung Sound Quality Assessment for Telehealth Applications
• Title（参考訳）: 遠隔医療用マルチレベル新生児心と肺音質のリアルタイム評価
• Authors: Ethan Grooby, Chiranjibi Sitaula, Davood Fattahi, Reza Sameni, Kenneth Tan, Lindsay Zhou, Arrabella King, Ashwin Ramanathan, Atul Malhotra, Guy A. Dumont, Faezeh Marzbanrad
• Abstract要約: 遠隔医療と組み合わせたデジタル聴診器により、胸部音の収集と送信が容易になり、遠隔監視と診断が可能となった。 低品質の記録は遠隔監視と診断を複雑にする。 心臓と肺の信号品質を5段階の尺度でリアルタイムに客観的かつ自動評価する手法が提案されている。
• 参考スコア（独自算出の注目度）: 0.08872883781800303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital stethoscopes in combination with telehealth allow chest sounds to be easily collected and transmitted for remote monitoring and diagnosis. Chest sounds contain important information about a newborn's cardio-respiratory health. However, low-quality recordings complicate the remote monitoring and diagnosis. In this study, a new method is proposed to objectively and automatically assess heart and lung signal quality on a 5-level scale in real-time and to assess the effect of signal quality on vital sign estimation. For the evaluation, a total of 207 10s long chest sounds were taken from 119 preterm and full-term babies. Thirty of the recordings from ten subjects were obtained with synchronous vital signs from the Neonatal Intensive Care Unit (NICU) based on electrocardiogram recordings. As reference, seven annotators independently assessed the signal quality. For automatic quality classification, 400 features were extracted from the chest sounds. After feature selection using minimum redundancy and maximum relevancy algorithm, class balancing, and hyper-parameter optimization, a variety of multi-class and ordinal classification and regression algorithms were trained. Then, heart rate and breathing rate were automatically estimated from the chest sounds using adapted pre-existing methods. The results of subject-wise leave-one-out cross-validation show that the best-performing models had a mean squared error (MSE) of 0.49 and 0.61, and balanced accuracy of 57% and 51% for heart and lung qualities, respectively. The best-performing models for real-time analysis (<200ms) had MSE of 0.459 and 0.67, and balanced accuracy of 57% and 46%, respectively. Our experimental results underscore that increasing the signal quality leads to a reduction in vital sign error, with only high-quality recordings having a mean absolute error of less than 5 beats per minute, as required for clinical usage.
• Abstract（参考訳）: デジタル聴診器と遠隔医療を組み合わせることで、胸部音の収集や遠隔監視や診断が容易になる。 胸部の音は新生児の呼吸の健康に関する重要な情報を含んでいる。 しかし、低品質記録は遠隔監視と診断を複雑にする。 本研究では,心肺信号の質を5レベルスケールでリアルタイムに客観的に自動評価し,信号品質がバイタルサイン推定に与える影響を評価するための新しい手法を提案する。 評価には, 妊娠119例, 妊娠119例から計207例の胸部音が得られた。 心電図記録に基づき、新生児集中治療室(nicu)から10名の被験者から30件の記録が同期バイタルサインで得られた。 7つのアノテータは信号の品質を独立して評価した。 自動品質分類では胸音から400種類の特徴を抽出した。 最小冗長性と最大関連性アルゴリズム,クラスバランス,ハイパーパラメータ最適化を用いた特徴選択を行い,多クラス分類と順序回帰アルゴリズムを訓練した。 そして, 適応した既存手法を用いて, 胸部音から心拍数と呼吸速度を自動推定した。 その結果,ベストパフォーマンスモデルの平均2乗誤差(MSE)は0.49,0.61,バランス精度は57%,肺品質は51%であった。 実時間解析における最良性能モデル(<200ms)はmse 0.459 と 0.67 であり, それぞれ 57% と 46% のバランスをとっていた。 実験結果から, 信号品質の向上はバイタルサインエラーの低減につながり, 臨床的使用に必要な絶対誤差が1分間に5回未満の高音質記録のみに留まらず, 信号品質の向上はバイタルサインエラーの低減につながることが示唆された。

関連論文リスト

• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• 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)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Noisy Neonatal Chest Sound Separation for High-Quality Heart and Lung Sounds [2.536333994672575]
  聴診器に記録された胸部音は新生児の遠隔循環型健康モニタリングの機会となる。 信頼性の高いモニタリングには、高品質な心臓と肺の音が必要である。 新生児胸部音響分離のための新しい非負マトリックス因子分解法(NMF)と非負マトリックス共役法(NMCF)を提案する。
  論文  参考訳（メタデータ） (2022-01-10T08:38:10Z)
• Quality-aware Cine Cardiac MRI Reconstruction and Analysis from Undersampled k-space Data [7.022090490184671]
  本稿では、画像取得と再構成を下流タスクと組み合わせた、エンドツーエンド品質を意識した近軸短軸MRIフレームワークを提案する。 このフレームワークは、2D+t心筋MRI画像のアンダーサンプルデータからの再構成のためのディープラーニングモデルで構成されている。 以上の結果より,スライス12秒から4秒のスキャン時間で品質制御画像が作成でき,心機能パラメータの信頼性の高い推定が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-09-16T13:08:54Z)
• A New Non-Negative Matrix Co-Factorisation Approach for Noisy Neonatal Chest Sound Separation [0.09512887847441218]
  非負のマトリックス共役に基づく新しいアプローチが提案され, 胸部雑音を心臓, 肺, 騒音成分に分離する。 この方法は、ノイズ録音の音を分離しながら、20の高品質な心臓と肺の音を訓練することで達成される。 その結果, 心臓および肺の音質は有意に改善し, 心拍数3.6bpmと1.2bpmの精度が向上した。
  論文  参考訳（メタデータ） (2021-09-04T02:48:02Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)
• DeepBeat: A multi-task deep learning approach to assess signal quality and arrhythmia detection in wearable devices [0.0]
  我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。 我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。 2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-01-01T07:41:28Z)

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。