論文の概要: Hybrid Artifact Detection System for Minute Resolution Blood Pressure Signals from ICU

• arxiv url: http://arxiv.org/abs/2203.05947v1
• Date: Fri, 11 Mar 2022 14:36:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-14 15:02:36.535219
• Title: Hybrid Artifact Detection System for Minute Resolution Blood Pressure Signals from ICU
• Title（参考訳）: ICUからの微小分解能血圧信号のハイブリッドアーチファクト検出システム
• Authors: Hollan Haule, Evangelos Kafantaris, Tsz-Yan Milly Lo, Chen Qin, Javier Escudero
• Abstract要約: 本稿では, 変分オートエンコーダと統計的検出成分を組み合わせたハイブリッド人工物検出システムについて検討する。 予備的な結果は,90%を超える感度と特異度を連続的に達成できることを示唆している。
• 参考スコア（独自算出の注目度）: 1.8374319565577155
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physiological monitoring in intensive care units generates data that can be used to aid clinical decision making facilitating early interventions. However, the low data quality of physiological signals due to the recording conditions in clinical settings limits the automated extraction of relevant information and leads to significant numbers of false alarms. This paper investigates the utilization of a hybrid artifact detection system that combines a Variational Autoencoder with a statistical detection component for the labeling of artifactual samples to automate the costly process of cleaning physiological recordings. The system is applied to mean blood pressure signals from an intensive care unit dataset recorded within the scope of the KidsBrainIT project. Its performance is benchmarked to manual annotations made by trained researchers. Our preliminary results indicate that the system is capable of consistently achieving sensitivity and specificity levels that surpass 90%. Thus, it provides an initial foundation that can be expanded upon to partially automate data cleaning in offline applications and reduce false alarms in online applications.
• Abstract（参考訳）: 集中治療室における生理的モニタリングは、早期介入を促進する臨床意思決定を支援するために使用できるデータを生成する。 しかし、臨床環境における記録条件による生理学的信号の低データ品質は、関連する情報の自動抽出を制限し、かなりの数の誤報を生じさせる。 本稿では, 変分オートエンコーダと統計的検出成分を組み合わせたハイブリッド人工物検出システムを用いて, 試料のラベル付けを行い, クリーニング作業の自動化について検討する。 このシステムは、KidsBrainITプロジェクトの範囲内で記録された集中治療単位データセットからの血圧信号に応用される。 そのパフォーマンスは、訓練された研究者による手動のアノテーションにベンチマークされる。 予備的な結果は,90%を超える感度と特異度を連続的に達成できることを示唆している。 これにより、オフラインアプリケーションのデータクリーニングを部分的に自動化し、オンラインアプリケーションの誤報を減らすことができる初期基盤を提供する。

関連論文リスト

• Noninvasive Acute Compartment Syndrome Diagnosis Using Random Forest Machine Learning [0.0]
  急性コンパートメント症候群(英: acute compartment syndrome、ACS)は、筋コンパートメント内の圧力上昇によって引き起こされる整形外科疾患である。 本研究では,ACSの客観的,非侵襲的診断法を提案する。 このデバイスは、皮膚に置かれる力感受性抵抗体(FSR)からの代理圧力読み取りを利用するランダムフォレスト機械学習モデルを介してACSを検出する。
  論文  参考訳（メタデータ） (2024-01-18T21:49:04Z)
• Multimodal Pretraining of Medical Time Series and Notes [45.89025874396911]
  ディープラーニングモデルは、意味のあるパターンを抽出する際の約束を示すが、広範囲なラベル付きデータが必要である。 本稿では,臨床測定値とノートのアライメントに着目し,自己指導型事前学習を用いた新しいアプローチを提案する。 病院内での死亡予測や表現型化などの下流タスクでは、データのごく一部がラベル付けされた設定において、ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2023-12-11T21:53:40Z)
• VAE-IF: Deep feature extraction with averaging for fully unsupervised artifact detection in routinely acquired ICU time-series [1.9665926763554147]
  本稿では,事前のラベル付けや信号固有知識を使わずに,微細分解能ICUデータ中のアーティファクトを検出するための,教師なしの手法を提案する。 本手法では,変分オートエンコーダ (VAE) と孤立林 (IF) をハイブリッドモデルに組み合わせて特徴を学習し,異常を同定する。 我々の教師なしアプローチは、完全に教師付きされた手法に匹敵する感度を達成し、外部データセットによく当てはまることを示す。
  論文  参考訳（メタデータ） (2023-12-10T18:03:40Z)
• Deep Scattering Spectrum germaneness to Fault Detection and Diagnosis for Component-level Prognostics and Health Management (PHM) [0.0]
  本研究は,産業用ロボットの機械的構成要素に対するDES(Deep Scattering Spectrum)の故障検出とデイグナシスとの関連性について考察する。 複数の産業用ロボットと異なる機械的欠陥を使って、障害を分類するアプローチを構築しました。 提案手法は, 実用試験台に実装され, 故障検出および診断において良好な性能を示した。
  論文  参考訳（メタデータ） (2022-10-18T13:25:02Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• StRegA: Unsupervised Anomaly Detection in Brain MRIs using a Compact Context-encoding Variational Autoencoder [48.2010192865749]
  教師なし異常検出(UAD)は、健康な被験者の異常なデータセットからデータ分布を学習し、分布サンプルの抽出に応用することができる。 本研究では,コンテクストエンコーディング(context-encoding)VAE(ceVAE)モデルのコンパクトバージョンと,前処理と後処理のステップを組み合わせて,UADパイプライン(StRegA)を作成することを提案する。 提案したパイプラインは、BraTSデータセットのT2w画像と0.859$pm$0.112の腫瘍を検出しながら、Diceスコアが0.642$pm$0.101に達した。
  論文  参考訳（メタデータ） (2022-01-31T14:27:35Z)
• Deep Metric Learning with Locality Sensitive Angular Loss for Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
  本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。 本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。 このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
  論文  参考訳（メタデータ） (2021-10-13T21:51:56Z)
• Multiple Organ Failure Prediction with Classifier-Guided Generative Adversarial Imputation Networks [4.040013871160853]
  多臓器不全 (MOF) は集中治療室 (ICU) 患者の死亡率が高い重篤な症候群である。 機械学習モデルを電子健康記録に適用することは、欠落した値の広範性のために難しい。
  論文  参考訳（メタデータ） (2021-06-22T15:49:01Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。