論文の概要: Before and After: Machine learning for perioperative patient care
- arxiv url: http://arxiv.org/abs/2201.08095v1
- Date: Thu, 20 Jan 2022 09:55:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-21 21:59:10.956967
- Title: Before and After: Machine learning for perioperative patient care
- Title（参考訳）: 術前後:周術期患者ケアのための機械学習
- Authors: Iuliia Ganskaia and Stanislav Abaimov
- Abstract要約: 学際的レビューは、コンピュータサイエンスと看護の橋を架けることを目的としている。
手術前後の患者のケアにおける機械学習とデータ処理の方法を概説し分類する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For centuries nursing has been known as a job that requires complex manual
operations, that cannot be automated or replaced by any machinery. All the
devices and techniques have been invented only to support, but never fully
replace, a person with knowledge and expert intuition. With the rise of
Artificial Intelligence and continuously increasing digital data flow in
healthcare, new tools have arrived to improve patient care and reduce the
labour-intensive work conditions of a nurse.
This cross-disciplinary review aims to build a bridge over the gap between
computer science and nursing. It outlines and classifies the methods for
machine learning and data processing in patient care before and after the
operation. It comprises of Process-, Patient-, Operator-, Feedback-, and
Technology-centric classifications. The presented classifications are based on
the technical aspects of patient case.
- Abstract（参考訳）: 何世紀にもわたって、看護は複雑な手動操作を必要とする仕事として知られてきた。
全ての装置と技術は、知識と専門家の直感を持つ人をサポートするためにのみ発明された。
人工知能の台頭と医療におけるデジタルデータフローの継続的な増加に伴い、患者ケアの改善と看護師の労働集約労働条件の低減のための新しいツールが登場している。
この学際横断的なレビューは、コンピュータサイエンスと看護のギャップを橋渡しすることを目的としている。
手術前後の患者のケアにおける機械学習とデータ処理の方法の概要と分類を行う。
プロセス、患者、オペレーター、フィードバック、技術中心の分類で構成される。
提示された分類は患者事例の技術的側面に基づいている。
関連論文リスト
- Leveraging graph neural networks for supporting Automatic Triage of
Patients [5.864579168378686]
本稿では,救急部門における緊急コード割り当てを管理するためのAIベースのモジュールを提案する。
バイタルサイン、症状、医療史などの関連する患者情報を含むデータは、患者をトリアージカテゴリーに正確に分類するために使用される。
論文 参考訳（メタデータ） (2024-03-11T09:54:35Z) - Surgical tool classification and localization: results and methods from
the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
SurgLoc 2022 チャレンジの結果を示す。
目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。
これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
論文 参考訳（メタデータ） (2023-05-11T21:44:39Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳（メタデータ） (2023-04-30T22:51:31Z) - Uncertainty-aware Self-supervised Learning for Cross-domain Technical
Skill Assessment in Robot-assisted Surgery [14.145726158070522]
本稿では,ラベル付きキネマティックデータから未ラベルデータへのドメイン知識の伝達によるスキル評価手法を提案する。
本手法は,ロボット支援手術における手動ラベル付けや手術訓練の事前知識を必要とせず,既存の作業に対して大きな優位性をもたらす。
論文 参考訳（メタデータ） (2023-04-28T01:52:18Z) - HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare [89.8799665638295]
近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
論文 参考訳（メタデータ） (2023-01-25T09:25:08Z) - AutoPrognosis 2.0: Democratizing Diagnostic and Prognostic Modeling in
Healthcare with Automated Machine Learning [72.2614468437919]
本稿では,診断・予後モデルを開発するための機械学習フレームワークAutoPrognosis 2.0を提案する。
我々は,英国バイオバンクを用いた糖尿病の予後リスクスコアを構築するための図解的アプリケーションを提供する。
我々のリスクスコアはWebベースの意思決定支援ツールとして実装されており、世界中の患者や臨床医がアクセスできる。
論文 参考訳（メタデータ） (2022-10-21T16:31:46Z) - Federated Cycling (FedCy): Semi-supervised Federated Learning of
Surgical Phases [57.90226879210227]
FedCyは、FLと自己教師付き学習を組み合わせた半教師付き学習(FSSL)手法で、ラベル付きビデオとラベルなしビデオの両方の分散データセットを利用する。
外科的段階の自動認識作業において,最先端のFSSL法よりも顕著な性能向上を示した。
論文 参考訳（メタデータ） (2022-03-14T17:44:53Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Machine learning-based clinical prediction modeling -- A practical guide
for clinicians [0.0]
機械学習や人工知能に関連する原稿の数は、ここ数年で指数関数的に増えている。
第1節では、機械学習の一般的な原理について解説する。
さらに,再サンプリング,オーバーフィッティング,モデル一般化性の重要性とモデル評価戦略を概観する。
論文 参考訳（メタデータ） (2020-06-23T20:11:37Z) - DAISI: Database for AI Surgical Instruction [0.0]
手術を行う外科医のテレメンタリングは、in situの専門知識が得られない場合、患者の治療に不可欠である。
メンターが利用できない場合、フォールバックの自律的なメカニズムは、医療従事者に必要なガイダンスを提供する必要がある。
本研究はAI外科教育のための最初のデータベース(DAISI)である。
論文 参考訳（メタデータ） (2020-03-22T22:07:43Z)
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。