論文の概要: Pediatric Otoscopy Video Screening with Shift Contrastive Anomaly Detection

• arxiv url: http://arxiv.org/abs/2110.13254v1
• Date: Mon, 25 Oct 2021 20:39:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 09:08:05.630772
• Title: Pediatric Otoscopy Video Screening with Shift Contrastive Anomaly Detection
• Title（参考訳）: シフトコントラスト異常検出による小児眼科ビデオ検診
• Authors: Weiyao Wang, Aniruddha Tamhane, Christine Santos, John R. Rzasa, James H. Clark, Therese L. Canares, and Mathias Unberath
• Abstract要約: 本稿では、まず、ビデオシーケンスから耳ドラムのパッチを検出して抽出することにより、有効なフレームを識別する2段階の手法を提案する。 第2に、光学ビデオシーケンスを正常または異常としてフラグ付けるために、提案したシフトコントラスト異常検出を実行する。 本手法は患者レベルで88.0%のAUROCを達成し,25名の臨床医の平均値を上回った。
• 参考スコア（独自算出の注目度）: 4.922640055654283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ear related concerns and symptoms represents the leading indication for seeking pediatric healthcare attention. Despite the high incidence of such encounters, the diagnostic process of commonly encountered disease of the middle and external presents significant challenge. Much of this challenge stems from the lack of cost effective diagnostic testing, which necessitating the presence or absence of ear pathology to be determined clinically. Research has however demonstrated considerable variation among clinicians in their ability to accurately diagnose and consequently manage ear pathology. With recent advances in computer vision and machine learning, there is an increasing interest in helping clinicians to accurately diagnose middle and external ear pathology with computer-aided systems. It has been shown that AI has the capacity to analyse a single clinical image captured during examination of the ear canal and eardrum from which it can determine the likelihood of a pathognomonic pattern for a specific diagnosis being present. The capture of such an image can however be challenging especially to inexperienced clinicians. To help mitigate this technical challenge we have developed and tested a method using video sequences. We present a two stage method that first, identifies valid frames by detecting and extracting ear drum patches from the video sequence, and second, performs the proposed shift contrastive anomaly detection to flag the otoscopy video sequences as normal or abnormal. Our method achieves an AUROC of 88.0% on the patient-level and also outperforms the average of a group of 25 clinicians in a comparative study, which is the largest of such published to date. We conclude that the presented method achieves a promising first step towards automated analysis of otoscopy video.
• Abstract（参考訳）: 耳に関する懸念と症状は、小児医療の注意を喚起する主要な兆候である。 このような発生頻度が高いにもかかわらず、中・外部の一般的な疾患の診断プロセスには大きな課題がある。 この課題の多くは、臨床で決定される耳の病理の有無を考慮し、コスト効率のよい診断検査が欠如していることに起因する。 しかし、臨床医の間では、耳の病状を正確に診断し、治療する能力にかなりの変化が見られた。 近年のコンピュータビジョンと機械学習の進歩により、臨床医がコンピュータ支援システムを用いて中耳と外耳の病理を正確に診断することへの関心が高まっている。 aiは、耳道および鼓膜検査中に撮影された単一の臨床画像を分析し、特定の診断を行うための病理組織学的パターンの可能性を判断する能力を持っていることが示されている。 このような画像の取得は、特に経験の浅い臨床医にとって困難である。 この技術的課題を軽減するため,我々はビデオシーケンスを用いた手法を開発・テストした。 まず,映像列から耳ドラムパッチを検出・抽出し,有効なフレームを識別する2段階の方法を提案し,第2に,提案するシフトコントラスト異常検出を行い,ot内視鏡映像列を正常または異常と判定する。 本手法は,患者レベルで88.0%のAUROCを達成し,これまでに公表された中では最大である25名の臨床医の平均値を上回った。 提案手法は,光学映像の自動解析に向けた第一歩となる。

関連論文リスト

• Selfsupervised learning for pathological speech detection [0.0]
  音声生成は、様々な神経変性疾患による影響と破壊を受けやすい。 これらの障害は、異常な発声パターンと不正確な調音を特徴とする病的発声を引き起こす。 ニューロタイプ話者とは異なり、言語障害や障害のある患者は、AlexaやSiriなど、さまざまなバーチャルアシスタントにアクセスできない。
  論文  参考訳（メタデータ） (2024-05-16T07:12:47Z)
• A Comprehensive Review of Artificial Intelligence Applications in Major Retinal Conditions [6.728206045751265]
  本論文は視覚障害や視覚障害を引き起こす網膜疾患の系統的調査である。 網膜疾患を検出するための臨床と自動化の両方のアプローチをカバーしており、過去10年間の研究に焦点を当てている。
  論文  参考訳（メタデータ） (2023-11-22T22:10:53Z)
• Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
  臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。 この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。 提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
  論文  参考訳（メタデータ） (2023-10-25T08:55:48Z)
• Automatic nodule identification and differentiation in ultrasound videos to facilitate per-nodule examination [12.75726717324889]
  ソノグラフィーは通常、結節の特徴と周囲の構造を調べることによって異なる結節を識別する。 我々は,入力ビデオクリップから特徴ベクトルを抽出できるディープラーニングモデルに基づく抽出器と,結節によって特徴ベクトルを自動的にグループ化するリアルタイムクラスタリングアルゴリズムの2つの部分からなる再同定システムを構築した。
  論文  参考訳（メタデータ） (2023-10-10T06:20:14Z)
• Detecting Heart Disease from Multi-View Ultrasound Images via Supervised Attention Multiple Instance Learning [5.201499435914216]
  大動脈狭窄症 (Aortic stenosis, AS) は変性弁の状態であり、かなりの死亡率と死亡率を引き起こす。 AS検出に対する従来のアプローチでは、画像間の非フレキシブル平均に依存するため、精度が不十分であった。 2つの重要な方法論的革新とともに、新しいエンドツーエンドのMILアプローチに貢献する。
  論文  参考訳（メタデータ） (2023-05-25T18:22:12Z)
• A Survey on Automated Diagnosis of Alzheimer's Disease Using Optical Coherence Tomography and Angiography [0.0]
  OCTとOCTAはアルツハイマー病(AD)の早期診断に有望なツールである OCTデバイスが生成するマルチスライススキャンの解釈と分類は、訓練された実践者であっても時間がかかるし、難しい。 緑内障などの各種疾患に対するOCTスキャンの自動解析に関する機械学習およびディープラーニングアプローチに関する調査がある。 現在の文献では、OCTまたはOCTAを用いたアルツハイマー病や認知障害の診断に関する広範な調査が欠如している。
  論文  参考訳（メタデータ） (2022-09-07T08:27:10Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• 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)

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。