論文の概要: Intelligent Sight and Sound: A Chronic Cancer Pain Dataset

• arxiv url: http://arxiv.org/abs/2204.04214v1
• Date: Thu, 7 Apr 2022 22:14:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-16 12:33:02.246626
• Title: Intelligent Sight and Sound: A Chronic Cancer Pain Dataset
• Title（参考訳）: Intelligent Sight and Sound: A chronic Cancer Pain Dataset
• Authors: Catherine Ordun, Alexandra N. Cha, Edward Raff, Byron Gaskin, Alex Hanson, Mason Rule, Sanjay Purushotham, James L. Gulley
• Abstract要約: 本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
• 参考スコア（独自算出の注目度）: 74.77784420691937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer patients experience high rates of chronic pain throughout the treatment process. Assessing pain for this patient population is a vital component of psychological and functional well-being, as it can cause a rapid deterioration of quality of life. Existing work in facial pain detection often have deficiencies in labeling or methodology that prevent them from being clinically relevant. This paper introduces the first chronic cancer pain dataset, collected as part of the Intelligent Sight and Sound (ISS) clinical trial, guided by clinicians to help ensure that model findings yield clinically relevant results. The data collected to date consists of 29 patients, 509 smartphone videos, 189,999 frames, and self-reported affective and activity pain scores adopted from the Brief Pain Inventory (BPI). Using static images and multi-modal data to predict self-reported pain levels, early models show significant gaps between current methods available to predict pain today, with room for improvement. Due to the especially sensitive nature of the inherent Personally Identifiable Information (PII) of facial images, the dataset will be released under the guidance and control of the National Institutes of Health (NIH).
• Abstract（参考訳）: がん患者は治療過程を通じて慢性的な痛みを経験する。 この患者集団の痛みを評価することは、生活の質が急速に低下する可能性があるため、心理的および機能的幸福の重要な要素である。 顔の痛みを検出する既存の作業は、しばしば臨床的に関連しないラベリングや方法論に欠陥がある。 本報告では, 精神科医が臨床実験の一環として収集した最初の慢性がん痛データセットについて紹介し, モデル所見が臨床的に有意な結果をもたらすことを確実にするために, 臨床医が指導した。 これまで収集されたデータは、29の患者、509のスマートフォンビデオ、189,999フレーム、およびブリーフ・ペイン・インベントリ(BPI)が採用した自己報告された感情と活動の痛みスコアから成っている。 静的画像とマルチモーダルデータを使って、自己報告された痛みレベルを予測する初期のモデルは、現在の痛みを予測するために利用可能な方法と、改善の余地がかなりあることを示している。 顔画像の固有のPII(Personally Identible Information)の特に敏感な性質のため、データセットは国立衛生研究所(NIH)の指導と管理の下でリリースされる。

関連論文リスト

• Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction [0.3749861135832073]
  シックル細胞病(Sickle Cell Disease)を治療するためには、将来の患者の痛みの軌跡を予測することが不可欠である。 主に患者の自己申告によって記録されるので,多くの痛み記録を入手して予測モデルを設計することは困難である。 本稿では、時系列データをクラスタリングするための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-09T18:31:50Z)
• How Does Pruning Impact Long-Tailed Multi-Label Medical Image Classifiers? [49.35105290167996]
  プルーニングは、ディープニューラルネットワークを圧縮し、全体的なパフォーマンスに大きな影響を及ぼすことなく、メモリ使用量と推論時間を短縮する強力なテクニックとして登場した。 この研究は、プルーニングがモデル行動に与える影響を理解するための第一歩である。
  論文  参考訳（メタデータ） (2023-08-17T20:40:30Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Unbiased Pain Assessment through Wearables and EHR Data: Multi-attribute Fairness Loss-based CNN Approach [3.799109312082668]
  本稿では,MAFL(Multi-Atribute Fairness Loss)に基づくCNNモデルを提案する。 提案手法と既存の緩和手順を比較し, 実装されたモデルが最先端の手法と対照的に良好に機能することを明らかにする。
  論文  参考訳（メタデータ） (2023-07-03T09:21:36Z)
• Chronic Pain and Language: A Topic Modelling Approach to Personal Pain Descriptions [0.688204255655161]
  慢性的な痛みは主要な健康問題として認識されており、経済だけでなく、社会や個人のレベルにも影響を及ぼす。 個人的かつ主観的な経験であるため、慢性的な痛みを純粋に有害な刺激として、外的かつ公平に経験し、説明し、解釈することは不可能である。 本稿では,慢性痛の言語記述におけるパターン認識のためのトピックモデリング手法を提案し,これらのパターンを用いて痛み経験の定量化と評価を行う。
  論文  参考訳（メタデータ） (2021-09-01T14:31:16Z)
• Pain Assessment based on fNIRS using Bidirectional LSTMs [1.9654272166607836]
  機能的近赤外分光法(fNIRS)と深層学習法(深層学習法)をヒトの痛み評価に用いる。 本研究の目的は、深層学習を用いてfNIRS生データから特徴を自動的に学習し、手作り特徴の設計に必要な主観性とドメイン知識のレベルを下げることである。
  論文  参考訳（メタデータ） (2020-12-24T12:55:39Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• 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)
• Measuring Pain in Sickle Cell Disease using Clinical Text [4.1053421899056435]
  シックル細胞病(Sickle Cell Disease, SCD)は、ヒトの赤血球の遺伝性疾患である。 急性痛はSCDの主要な症状として知られている。 臨床ノートの痛み関連性を予測する二分分類モデルと,痛みレベルを予測する多クラス分類モデルを提案する。
  論文  参考訳（メタデータ） (2020-08-05T23:39:57Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)

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。