Fugu-MT 論文翻訳(概要): Improving X-ray Diagnostics through Eye-Tracking and XR

論文の概要: Improving X-ray Diagnostics through Eye-Tracking and XR

arxiv url: http://arxiv.org/abs/2203.01643v1
Date: Thu, 3 Mar 2022 11:04:41 GMT
ステータス: 処理完了
システム内更新日: 2022-03-04 16:41:58.647063
Title: Improving X-ray Diagnostics through Eye-Tracking and XR
Title（参考訳）: 視線追跡とxrによるx線診断の改善
Authors: Catarina Moreira and Isabel Blanco Nobre and Sandra Costa Sousa and Jo\~ao Madeiras Pereira and Joaquim Jorge
Abstract要約: 我々は、視線追跡とVRデバイスと機械学習は、人間工学的姿勢の不十分さによって引き起こされる障害を克服するかもしれないと論じる。 VRは、X線画像を評価するための臨床実践のための破壊的な技術である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: There is a growing need to assist radiologists in performing X-ray readings and diagnoses fast, comfortably, and effectively. As radiologists strive to maximize productivity, it is essential to consider the impact of reading rooms in interpreting complex examinations and ensure that higher volume and reporting speeds do not compromise patient outcomes. Virtual Reality (VR) is a disruptive technology for clinical practice in assessing X-ray images. We argue that conjugating eye-tracking with VR devices and Machine Learning may overcome obstacles posed by inadequate ergonomic postures and poor room conditions that often cause erroneous diagnostics when professionals examine digital images.
Abstract（参考訳）: 放射線科医がx線を読影し、迅速、快適、効果的に診断する必要性が高まっている。放射線科医が生産性を最大化するために、複雑な検査の解釈における読書室の影響を考慮し、より高いボリュームと報告速度が患者の予後に影響を与えないことを保証することが不可欠である。バーチャルリアリティ(VR)は、X線画像を評価するための臨床実践のための破壊的技術である。プロがデジタル画像を調べると、不適切な人間工学的姿勢や不適切な部屋の状態によって引き起こされる障害を克服する可能性があると我々は主張する。

関連論文リスト

D-Rax: Domain-specific Radiologic assistant leveraging multi-modal data and eXpert model predictions [8.50767187405446]
ドメイン固有の対話型無線支援ツールD-Raxを提案する。我々は胸部X線(CXR)画像の会話解析を強化し,放射線学的報告を支援する。オープン・エンド・会話とクローズド・会話の双方において,反応の統計的に有意な改善が認められた。
論文参考訳（メタデータ） (2024-07-02T18:43:10Z)
Computer-Aided Diagnosis of Thoracic Diseases in Chest X-rays using hybrid CNN-Transformer Architecture [1.0878040851637998]
自動コンピュータ支援診断システムは、胸部X線を解釈し、実行可能な洞察を提供することで、放射線科医を増強することができる。本研究では,DenseNet121 Convolutional Neural Network(CNN)を付加した新しいアーキテクチャを適用した。胸部X線による胸部疾患の診断において, 自己注意でCNNを増強する可能性が示唆された。
論文参考訳（メタデータ） (2024-04-18T01:46:31Z)
Enhancing Human-Computer Interaction in Chest X-ray Analysis using Vision and Language Model with Eye Gaze Patterns [7.6599164274971026]
VLM(Vision-Language Models)は、視線データとテキストプロンプトを併用することで、放射線技師の注意を喚起する。眼球データから生成した熱マップを医療画像にオーバーレイし、放射線技師の集中した領域をハイライトする。その結果,視線情報の挿入は胸部X線解析の精度を著しく向上させることがわかった。
論文参考訳（メタデータ） (2024-04-03T00:09:05Z)
Unsupervised Iterative U-Net with an Internal Guidance Layer for Vertebrae Contrast Enhancement in Chest X-Ray Images [1.521162809610347]
我々は,深部ニューラルネットワークを反復的に訓練することにより,X線画像の品質向上のための新しい,堅牢なアプローチを提案する。本フレームワークは胸部X線像における脊椎の微細構造を増強する内部誘導層を含む。実験の結果,提案手法は既存のBRISQUEスコアの精度向上手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2023-06-06T19:36:11Z)
X-Ray2EM: Uncertainty-Aware Cross-Modality Image Reconstruction from X-Ray to Electron Microscopy in Connectomics [55.6985304397137]
膜セグメンテーション品質を向上したEMライクな画像にX線画像を変換する不確実性を考慮した3D再構成モデルを提案する。これは、よりシンプルで、より高速で、より正確なX線ベースのコネクトロミクスパイプラインを開発する可能性を示している。
論文参考訳（メタデータ） (2023-03-02T00:52:41Z)
Artificial Intelligence for Automatic Detection and Classification Disease on the X-Ray Images [0.0]
本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
論文参考訳（メタデータ） (2022-11-14T03:51:12Z)
Computer Vision on X-ray Data in Industrial Production and Security Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文参考訳（メタデータ） (2022-11-10T13:37:36Z)
Follow My Eye: Using Gaze to Supervise Computer-Aided Diagnosis [54.60796004113496]
医用画像を読む放射線科医の眼球運動は,DNNベースのコンピュータ支援診断システム(CAD)を訓練するための新たな指導形態であることが実証された。画像を読んでいるときに、放射線科医の視線を記録します。視線情報は処理され、アテンション一貫性モジュールを介してDNNの注意を監督するために使用される。
論文参考訳（メタデータ） (2022-04-06T08:31:05Z)
Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文参考訳（メタデータ） (2021-10-25T14:15:57Z)
In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
論文参考訳（メタデータ） (2021-04-06T02:01:43Z)
Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。 X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文参考訳（メタデータ） (2020-04-06T15:21:34Z)

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。