Fugu-MT 論文翻訳(概要): Leveraging Natural Learning Processing to Uncover Themes in Clinical Notes of Patients Admitted for Heart Failure

論文の概要: Leveraging Natural Learning Processing to Uncover Themes in Clinical Notes of Patients Admitted for Heart Failure

arxiv url: http://arxiv.org/abs/2204.07074v1
Date: Thu, 14 Apr 2022 16:08:13 GMT
ステータス: 処理完了
システム内更新日: 2022-04-15 13:56:08.067507
Title: Leveraging Natural Learning Processing to Uncover Themes in Clinical Notes of Patients Admitted for Heart Failure
Title（参考訳）: 自然学習処理を応用して心不全患者の臨床ノートのテーマを明らかにする
Authors: Ankita Agarwal, Krishnaprasad Thirunarayan, William L. Romine, Amanuel Alambo, Mia Cajita, Tanvi Banerjee
Abstract要約: 心不全は、心臓が他の臓器に血液や酸素を注入できない場合に起こる。心不全の患者は、心血管と非心血管複合体の両方を有する。
参考スコア（独自算出の注目度）: 3.5895546722625684
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Heart failure occurs when the heart is not able to pump blood and oxygen to support other organs in the body as it should. Treatments include medications and sometimes hospitalization. Patients with heart failure can have both cardiovascular as well as non-cardiovascular comorbidities. Clinical notes of patients with heart failure can be analyzed to gain insight into the topics discussed in these notes and the major comorbidities in these patients. In this regard, we apply machine learning techniques, such as topic modeling, to identify the major themes found in the clinical notes specific to the procedures performed on 1,200 patients admitted for heart failure at the University of Illinois Hospital and Health Sciences System (UI Health). Topic modeling revealed five hidden themes in these clinical notes, including one related to heart disease comorbidities.
Abstract（参考訳）: 心不全は、心臓が血液や酸素を汲み上げず、身体内の他の臓器をそのまま支えられないときに起こる。治療には薬と時々入院がある。心不全の患者は、心血管と非心血管複合体の両方を有する。心不全患者の臨床ノートを解析し、これらのノートで論じられた話題と、これらの患者における主要な合併症について考察する。そこで本研究では,イリノイ大学病院健康科学システム(UI Health)の心不全患者1200名を対象に,臨床ノートに記載された主要なテーマを特定するために,トピックモデリングなどの機械学習技術を適用した。トピック・モデリングでは、これらの臨床ノートに5つの隠されたテーマが示された。

関連論文リスト

CardiacNet: Learning to Reconstruct Abnormalities for Cardiac Disease Assessment from Echocardiogram Videos [10.06966396329022]
局所心構造と運動異常のより優れた表現を学習するために,CardiacNet という新しい再構築手法を提案する。 CardiacNet には Consistency deformation Codebook (CDC) と Consistency Deformed-Discriminator (CDD) が付属している。実験では、3つの心臓疾患評価タスクで最先端の結果が得られます。
論文参考訳（メタデータ） (2024-10-28T06:11:03Z)
Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
論文参考訳（メタデータ） (2024-06-19T02:42:29Z)
ConFormer: A Novel Collection of Deep Learning Models to Assist Cardiologists in the Assessment of Cardiac Function [0.0]
本稿では,心エコーによるEFおよび左室壁厚推定の自動化を目的とした新しい深層学習モデルであるConFormerを提案する。 ConFormerの実装は、コスト効率が高く、アクセシブルで、包括的な心臓健康モニタリングを可能にすることで、予防的心臓学を強化する可能性を秘めている。
論文参考訳（メタデータ） (2023-12-13T23:40:14Z)
A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
論文参考訳（メタデータ） (2023-12-01T05:27:29Z)
Mining Themes in Clinical Notes to Identify Phenotypes and to Predict Length of Stay in Patients admitted with Heart Failure [3.350712823657887]
心不全 (Heart failure) は、心臓が血液や酸素を汲み上げず体内の他の臓器を支えられない場合に起こる症候群である。心不全が疑われた患者の診断基準および処置報告の下位テーマを特定すれば、心不全に関連する臨床的表現型が明らかになる可能性がある。
論文参考訳（メタデータ） (2023-05-30T19:30:40Z)
A Comprehensive Survey on Heart Sound Analysis in the Deep Learning Era [54.53921568420471]
心血管疾患の早期スクリーニングにおける臨床応用として, 心臓音聴診が有用である。ディープラーニングは多くの研究分野で古典的な機械学習よりも優れています。
論文参考訳（メタデータ） (2023-01-23T10:58:45Z)
An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文参考訳（メタデータ） (2022-04-26T14:20:26Z)
MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文参考訳（メタデータ） (2022-01-10T06:37:23Z)
Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文参考訳（メタデータ） (2020-10-29T19:14:41Z)
Extracting Angina Symptoms from Clinical Notes Using Pre-Trained Transformer Architectures [7.8152581449674985]
狭心症の症状は、心臓のリスクの増加と、心血管管理の変化の必要性を説明できる。本研究は, ドメイン固有コーパスを微調整したトランスフォーマー言語モデルを用いて, 医師ノートからこれらの症状を抽出する可能性を評価した。
論文参考訳（メタデータ） (2020-10-12T14:53:32Z)
Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
論文参考訳（メタデータ） (2020-08-13T12:53:26Z)

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。