論文の概要: AI system for fetal ultrasound in low-resource settings

• arxiv url: http://arxiv.org/abs/2203.10139v1
• Date: Fri, 18 Mar 2022 19:39:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 13:39:16.978409
• Title: AI system for fetal ultrasound in low-resource settings
• Title（参考訳）: 低リソース環境における胎児超音波のAIシステム
• Authors: Ryan G. Gomes, Bellington Vwalika, Chace Lee, Angelica Willis, Marcin Sieniek, Joan T. Price, Christina Chen, Margaret P. Kasaro, James A. Taylor, Elizabeth M. Stringer, Scott Mayer McKinney, Ntazana Sindano, George E. Dahl, William Goodnight III, Justin Gilmer, Benjamin H. Chi, Charles Lau, Terry Spitz, T Saensuksopa, Kris Liu, Jonny Wong, Rory Pilgrim, Akib Uddin, Greg Corrado, Lily Peng, Katherine Chou, Daniel Tse, Jeffrey S. A. Stringer, Shravya Shetty
• Abstract要約: 妊娠年齢 (GA) と胎児の誤表現を推定するために, 初心者が取得した"盲検"超音波ビデオを用いた人工知能システムを開発し, 検証した。 我々のAIモデルは、低リソース設定で軽量に訓練された超音波オペレーターの能力の高水準化を支援する可能性がある。
• 参考スコア（独自算出の注目度）: 6.601152168099057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite considerable progress in maternal healthcare, maternal and perinatal deaths remain high in low-to-middle income countries. Fetal ultrasound is an important component of antenatal care, but shortage of adequately trained healthcare workers has limited its adoption. We developed and validated an artificial intelligence (AI) system that uses novice-acquired "blind sweep" ultrasound videos to estimate gestational age (GA) and fetal malpresentation. We further addressed obstacles that may be encountered in low-resourced settings. Using a simplified sweep protocol with real-time AI feedback on sweep quality, we have demonstrated the generalization of model performance to minimally trained novice ultrasound operators using low cost ultrasound devices with on-device AI integration. The GA model was non-inferior to standard fetal biometry estimates with as few as two sweeps, and the fetal malpresentation model had high AUC-ROCs across operators and devices. Our AI models have the potential to assist in upleveling the capabilities of lightly trained ultrasound operators in low resource settings.
• Abstract（参考訳）: 母系医療の進歩にもかかわらず、低中間所得国では母系と周産期の死亡率が高い。 胎児超音波は産科医療の重要な要素であるが、十分な訓練を受けた医療従事者の不足は採用を制限している。 妊娠年齢(GA)と胎児の誤表現を推定するために,初歩的な"盲検"超音波ビデオを用いた人工知能(AI)システムを開発した。 我々はさらに、低リソース設定で遭遇する可能性のある障害にも対処した。 リアルタイムのAIフィードバックによる簡易なスイーププロトコルをスイープ品質に適用し、オンデバイスAI統合による低コスト超音波デバイスを用いた最小限の訓練を受けた初心者超音波オペレーターに対するモデル性能の一般化を実証した。 GAモデルは, 標準胎児バイオメトリ推定値に劣らず, 2回のスイープしか得られず, 胎児奇形モデルは操作者や装置間で高いAUC-ROCを有していた。 われわれのAIモデルは、低リソース環境下で軽量に訓練された超音波オペレーターの能力向上を支援する可能性がある。

関連論文リスト

• Privacy-Preserving Federated Foundation Model for Generalist Ultrasound Artificial Intelligence [83.02106623401885]
  プライバシー保護型超音波基礎モデルであるUltraFedFMを提案する。 UltraFedFMは、9か国の16の分散医療機関にわたる連合学習を用いて、協調的に事前訓練されている。 疾患診断には0.927のレシーバ動作特性曲線、病変セグメント化には0.878のサイス類似係数を平均的に達成する。
  論文  参考訳（メタデータ） (2024-11-25T13:40:11Z)
• Efficient Feature Extraction Using Light-Weight CNN Attention-Based Deep Learning Architectures for Ultrasound Fetal Plane Classification [3.998431476275487]
  本稿では,最大のベンチマークデータセットを分類するために,軽量な人工知能アーキテクチャを提案する。 アプローチは、ImageNet1kで事前トレーニングされた軽量のEfficientNet機能抽出バックボーンから微調整される。 本手法は,特徴を洗練するためのアテンション機構と3層パーセプトロンを組み込んだもので,トップ1の96.25%,トップ2の99.80%,F1スコアの0.9576で優れた性能を実現している。
  論文  参考訳（メタデータ） (2024-10-22T20:02:38Z)
• Using Explainable AI for EEG-based Reduced Montage Neonatal Seizure Detection [2.206534289238751]
  新生児発作検出のゴールドスタンダードは、現在連続したビデオEEGモニタリングに依存している。 脳波モンタージュを低減した新生児発作検出プロセスを自動化するための新しい説明可能な深層学習モデルを提案する。 提案したモデルは、それぞれ曲線下面積(AUC)とリコールにおける8.31%と42.86%の絶対的な改善を達成している。
  論文  参考訳（メタデータ） (2024-06-04T10:53:56Z)
• Enhancing Surgical Robots with Embodied Intelligence for Autonomous Ultrasound Scanning [24.014073238400137]
  超音波ロボットは、医療診断や早期疾患スクリーニングにますます利用されている。 現在の超音波ロボットは人間の意図や指示を理解する知性に欠けています。 本研究では,超音波ロボットに大規模言語モデルとドメイン知識を付加した新しい超音波エンボディードインテリジェンスシステムを提案する。
  論文  参考訳（メタデータ） (2024-05-01T11:39:38Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Training-free image style alignment for self-adapting domain shift on handheld ultrasound devices [54.476120039032594]
  本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。 TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
  論文  参考訳（メタデータ） (2024-02-17T07:15:23Z)
• Learning Autonomous Ultrasound via Latent Task Representation and Robotic Skills Adaptation [2.3830437836694185]
  本稿では,自律型超音波の潜在タスク表現とロボットスキル適応を提案する。 オフラインの段階では、マルチモーダル超音波技術が統合され、低次元確率モデルにカプセル化される。 オンライン段階では、確率モデルは最適な予測を選択して評価する。
  論文  参考訳（メタデータ） (2023-07-25T08:32:36Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• Enabling faster and more reliable sonographic assessment of gestational age through machine learning [1.3238745915345225]
  胎児超音波は出生前治療の不可欠な部分であり、妊娠年齢(GA)を推定するために用いられる。 我々は,標準平面画像を用いた画像モデル,フライトビデオを用いたビデオモデル,アンサンブルモデル(画像とビデオの組み合わせ)の3つのAIモデルを開発した。 これら3種は, 専門ソノグラフィーによる標準胎児バイオメトリに基づくGA推定よりも統計的に優れていた。
  論文  参考訳（メタデータ） (2022-03-22T17:15:56Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)

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。