論文の概要: Evaluation of Non-Invasive Thermal Imaging for detection of Viability of Onchocerciasis worms

• arxiv url: http://arxiv.org/abs/2203.12620v1
• Date: Wed, 23 Mar 2022 10:06:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2022-03-26 04:07:23.274580
• Title: Evaluation of Non-Invasive Thermal Imaging for detection of Viability of Onchocerciasis worms
• Title（参考訳）: onchocerciasis wormの生存率検出のための非侵襲熱画像の評価
• Authors: Ronak Dedhiya, Siva Teja Kakileti, Goutham Deepu, Kanchana Gopinath, Nicholas Opoku, Christopher King, and Geetha Manjunath
• Abstract要約: Onchocerciasisは、現在世界中で50万人以上の失明を引き起こしている。 侵襲的な処置がなければ、薬の有効性を測定する方法がないため、この疾患の薬物開発が損なわれる。 本稿では,非侵襲的かつ正確にワームの生存率を予測するために,サーマルイメージングを用いた機械学習を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Onchocerciasis is causing blindness in over half a million people in the world today. Drug development for the disease is crippled as there is no way of measuring effectiveness of the drug without an invasive procedure. Drug efficacy measurement through assessment of viability of onchocerca worms requires the patients to undergo nodulectomy which is invasive, expensive, time-consuming, skill-dependent, infrastructure dependent and lengthy process. In this paper, we discuss the first-ever study that proposes use of machine learning over thermal imaging to non-invasively and accurately predict the viability of worms. The key contributions of the paper are (i) a unique thermal imaging protocol along with pre-processing steps such as alignment, registration and segmentation to extract interpretable features (ii) extraction of relevant semantic features (iii) development of accurate classifiers for detecting the existence of viable worms in a nodule. When tested on a prospective test data of 30 participants with 48 palpable nodules, we achieved an Area Under the Curve (AUC) of 0.85.
• Abstract（参考訳）: Onchocerciasisは、現在世界中で50万人以上の失明を引き起こしている。 侵襲的な処置がなければ、薬の有効性を測定する方法がないため、この疾患の薬物開発が損なわれる。 onchocercaワームの生存率の評価による薬物有効性の測定は、侵襲性、高価、時間を要する、スキル依存、インフラ依存、長いプロセスである結節切除を患者に要求する。 本稿では,非侵襲的かつ正確にワームの生存率を予測するために,熱画像を用いた機械学習の利用を提案する。 論文の主な貢献は (i)解釈可能な特徴を抽出するためにアライメント、登録、セグメンテーションなどの前処理手順と共にユニークな熱イメージングプロトコル (ii)意味的特徴の抽出 (iii)結節内に生存するワームの存在を検出するための正確な分類器の開発 48個の結節を有する30人の有望な試験データを用いて実験を行ったところ、AUC(Area Under the Curve)は0.85。

関連論文リスト

• Automated Dysphagia Screening Using Noninvasive Neck Acoustic Sensing [2.8234229018872923]
  摂食障害と呼ばれる摂食異常の早期発見は、時間的介入に不可欠である。 携帯型および非侵襲型音響センサを用いた摂食自動検出フレームワークを提案する。 そこで本研究では,AUC-ROC 0.904 の試験時間異常検出性能を5つの独立列車区間で達成する。
  論文  参考訳（メタデータ） (2026-02-02T19:42:43Z)
• PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
  標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。 このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。 パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
  論文  参考訳（メタデータ） (2026-01-23T21:47:23Z)
• Predicting Cognitive Assessment Scores in Older Adults with Cognitive Impairment Using Wearable Sensors [1.1873304786619878]
  本稿では、ウェアラブルデバイスが提供する生理的データを用いて、軽度認知障害や軽度認知症を伴う高齢者の認知機能を評価することに焦点を当てる。 本研究では,確立した認知テストのスコアを生理的データが正確に予測できるかどうかを検討した。
  論文  参考訳（メタデータ） (2025-11-07T05:00:57Z)
• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
  本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。 本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-27T18:29:47Z)
• Detection of Intracranial Hemorrhage for Trauma Patients [1.0074894923170512]
  本稿では,Voxel-Complete IoU(VC-IoU)損失を新たに提案し,ネットワークが境界ボックスの3次元アスペクト比を学習できるようにする。 我々は、公開データセットを用いて脳出血の検出を広範囲に実験し、それをプライベートコホートで検証した。
  論文  参考訳（メタデータ） (2024-08-20T12:03:59Z)
• Spatio-Temporal Analysis of Patient-Derived Organoid Videos Using Deep Learning for the Prediction of Drug Efficacy [1.3606622227036818]
  PDOのタイムラプス顕微鏡ビデオからリアルタイム薬物効果を評価するための新しいスクリーニング手法を提案する。 本研究では, ATPの予測において, データの時間的変動が重要な要因であることを示す。
  論文  参考訳（メタデータ） (2023-08-28T09:58:34Z)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• A novel optical needle probe for deep learning-based tissue elasticity characterization [59.698811329287174]
  光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。 針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
  論文  参考訳（メタデータ） (2021-09-20T08:29:29Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• 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。