論文の概要: Towards deep observation: A systematic survey on artificial intelligence
techniques to monitor fetus via Ultrasound Images
- arxiv url: http://arxiv.org/abs/2201.07935v1
- Date: Mon, 17 Jan 2022 14:38:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-22 06:39:50.505143
- Title: Towards deep observation: A systematic survey on artificial intelligence
techniques to monitor fetus via Ultrasound Images
- Title（参考訳）: 深部観察に向けて:超音波画像による胎児観察のための人工知能技術に関する体系的調査
- Authors: Mahmood Alzubaidi, Marco Agus, Khalid Alyafei, Khaled A Althelaya,
Uzair Shah, Alaa A. Abdalrazaq, Mohammed Anbar, Zafar Iqbal, and Mowafa
Househ
- Abstract要約: この体系的な調査は、人工知能(AI)が超音波(US)画像による胎児の成長モニタリングをどのように支援できるかを探求することを目的としている。
我々は、PubMed、Embase、PsycINFO、ScienceDirect、IEEE Explor、ACM Library、Web of Scienceを含む8つの医療・コンピュータ科学データベースを使用しました。
2D超音波画像は3Dと4Dの超音波画像よりも一般的であることがわかった。
- 参考スコア（独自算出の注目度）: 4.6103105763230205
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing innovative informatics approaches aimed to enhance fetal
monitoring is a burgeoning field of study in reproductive medicine. Several
reviews have been conducted regarding Artificial intelligence (AI) techniques
to improve pregnancy outcomes. They are limited by focusing on specific data
such as mother's care during pregnancy. This systematic survey aims to explore
how artificial intelligence (AI) can assist with fetal growth monitoring via
Ultrasound (US) image. We used eight medical and computer science bibliographic
databases, including PubMed, Embase, PsycINFO, ScienceDirect, IEEE explore, ACM
Library, Google Scholar, and the Web of Science. We retrieved studies published
between 2010 to 2021. Data extracted from studies were synthesized using a
narrative approach. Out of 1269 retrieved studies, we included 107 distinct
studies from queries that were relevant to the topic in the survey. We found
that 2D ultrasound images were more popular (n=88) than 3D and 4D ultrasound
images (n=19). Classification is the most used method (n=42), followed by
segmentation (n=31), classification integrated with segmentation (n=16) and
other miscellaneous such as object-detection, regression and reinforcement
learning (n=18). The most common areas within the pregnancy domain were the
fetus head (n=43), then fetus body (n=31), fetus heart (n=13), fetus abdomen
(n=10), and lastly the fetus face (n=10). In the most recent studies, deep
learning techniques were primarily used (n=81), followed by machine learning
(n=16), artificial neural network (n=7), and reinforcement learning (n=2). AI
techniques played a crucial role in predicting fetal diseases and identifying
fetus anatomy structures during pregnancy. More research is required to
validate this technology from a physician's perspective, such as pilot studies
and randomized controlled trials on AI and its applications in a hospital
setting.
- Abstract（参考訳）: 胎児のモニタリング向上を目的とした革新的な情報学アプローチの確立は、生殖医学における新たな研究分野である。
妊娠成績を改善する人工知能(AI)技術に関するいくつかのレビューが実施されている。
妊娠中の母親のケアなどの特定のデータに焦点を合わせることで制限される。
この体系的な調査は、人工知能(AI)が超音波(US)画像による胎児の成長モニタリングをどのように支援できるかを探求することを目的としている。
我々は、PubMed、Embase、PsycINFO、ScienceDirect、IEEE Explor、ACM Library、Google Scholar、Web of Scienceを含む8つの医学・コンピュータ科学文献データベースを使用しました。
2010年から2021年にかけて出版された研究を回収した。
ナラティブ・アプローチを用いて研究から抽出したデータを合成した。
検索した1269件のうち,このトピックに関連するクエリから107件を抽出した。
2次元超音波画像は3次元超音波画像と4次元超音波画像より人気が高い(n=88)ことがわかった(n=19)。
分類は最も多く用いられる方法(n=42)、次にセグメンテーション(n=31)、セグメンテーション(n=16)、およびオブジェクト検出、回帰、強化学習(n=18)などの雑多な分類である。
最も一般的な妊娠領域は胎児頭(n=43)、胎児体(n=31)、胎児心臓(n=13)、胎児腹部(n=10)、胎児の顔(n=10)であった。
最近の研究では、主にディープラーニング技術(n=81)を使用し、次に機械学習(n=16)、ニューラルネットワーク(n=7)、強化学習(n=2)が続いた。
ai技術は胎児疾患の予測や妊娠中の胎児解剖構造同定に重要な役割を果たした。
パイロットスタディやランダムに制御されたAIとその病院での応用など、医師の観点からこの技術を検証するためには、さらなる研究が必要である。
関連論文リスト
- Ultrasound-Based AI for COVID-19 Detection: A Comprehensive Review of Public and Private Lung Ultrasound Datasets and Studies [0.8431149869144428]
新型コロナウイルスの検出と解析に肺超音波(LUS)を用いたAIによる研究に焦点をあてる。
合計60項目をレビューし,そのうち41項目は公開データセットを使用し,残る41項目は個人データを用いた。
以上の結果から, 超音波を用いた新型コロナウイルス検出AI研究は, 特に小児および妊婦の臨床的有用性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-11-06T06:59:41Z) - A survey of recent methods for addressing AI fairness and bias in
biomedicine [48.46929081146017]
人工知能システムは、人種や性別に基づくような社会的不平等を永続するか、偏見を示すことができる。
バイオメディカル自然言語処理 (NLP) やコンピュータビジョン (CV) の分野での様々な脱バイアス法に関する最近の論文を調査した。
我々は,2018年1月から2023年12月にかけて,複数のキーワードの組み合わせを用いて,PubMed,ACMデジタルライブラリ,IEEE Xploreに関する文献検索を行った。
バイオメディシンに応用可能な一般領域からの他の方法について検討し, バイアスに対処し, 公平性を向上する方法について検討した。
論文 参考訳（メタデータ） (2024-02-13T06:38:46Z) - De-identification of clinical free text using natural language
processing: A systematic review of current approaches [48.343430343213896]
自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。
本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
論文 参考訳（メタデータ） (2023-11-28T13:20:41Z) - Fetal-BET: Brain Extraction Tool for Fetal MRI [4.214523989654048]
約72,000個の胎児脳MRI画像の注釈付きデータセットを構築した。
このデータセットを用いて、U-Netスタイルアーキテクチャのパワーを利用してディープラーニング手法を開発し、検証した。
本手法では,マルチコントラスト(マルチシーケンス)胎児MRIデータからの豊富な情報を活用し,胎児の脳構造を正確に把握する。
論文 参考訳（メタデータ） (2023-10-02T18:14:23Z) - FPUS23: An Ultrasound Fetus Phantom Dataset with Deep Neural Network
Evaluations for Fetus Orientations, Fetal Planes, and Anatomical Features [10.404128105946583]
胎児の生体計測値を推定するための適切な診断平面を同定するために,新しい胎児ファントム超音波データセットFPUS23を提案する。
データセット全体は15,728の画像で構成され、4つの異なるディープニューラルネットワークモデルをトレーニングするために使用される。
また、FPUS23データセットを用いてトレーニングしたモデルを評価し、これらのモデルによって得られた情報を実世界の超音波胎児データセットの精度を大幅に向上させることができることを示した。
論文 参考訳（メタデータ） (2023-03-14T12:46:48Z) - The Past, Current, and Future of Neonatal Intensive Care Units with
Artificial Intelligence [1.1136100002577292]
機械学習とディープラーニングは、コンピュータにどんなデータからでも学習し、意思決定するように教える。
ディープラーニングは、コンピュータビジョンから健康科学まで、ほぼあらゆる分野で革命的であることが証明されている。
ニューナトロジー応用のための機械学習とディープラーニングベースのソリューションを最近開発した。
論文 参考訳（メタデータ） (2023-02-01T04:07:11Z) - Unsupervised Anomaly Detection in 3D Brain MRI using Deep Learning with
Multi-Task Brain Age Prediction [53.122045119395594]
ディープラーニングを用いた脳MRIにおける教師なし異常検出(UAD)は有望な結果を示した。
年齢情報を考慮した3次元脳MRIにおけるUDAの深層学習を提案する。
そこで本研究では,マルチタスク年齢予測を用いた新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2022-01-31T09:39:52Z) - The Prominence of Artificial Intelligence in COVID-19 [0.5437050212139087]
2019年12月、新型コロナウイルス(COVID-19)と呼ばれる新しいウイルスが、これまでに膨大な数の因果関係を引き起こした。
本研究は, 早期, 安価な診断方法として, 医師や研究者を支援する方法を探るものである。
ほとんどの途上国では、従来の方法でテストを実行するのが難しいが、機械学習やディープラーニングでは重要な方法が採用されている。
論文 参考訳（メタデータ） (2021-11-18T06:11:45Z) - Patch-based Brain Age Estimation from MR Images [64.66978138243083]
磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。
より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。
我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
論文 参考訳（メタデータ） (2020-08-29T11:50:37Z) - Multi-Site Infant Brain Segmentation Algorithms: The iSeg-2019 Challenge [53.48285637256203]
iSeg 2019 Challengeは、さまざまなプロトコル/スキャナーを持つ複数のサイトから6ヶ月の乳児のセットを提供する。
執筆時点では、iSeg 2019には30の自動セグメンテーションメソッドが参加している。
私たちは、パイプライン/実装の詳細を説明し、実験結果を示し、脳全体、関心領域、ジャラルランドマークカーブの観点からパフォーマンスを評価することで、上位8チームについてレビューします。
論文 参考訳（メタデータ） (2020-07-04T13:39:48Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳（メタデータ） (2020-04-28T14:43:05Z)
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。