論文の概要: Patient-specific modelling, simulation and real time processing for
constrictive respiratory diseases
- arxiv url: http://arxiv.org/abs/2207.01082v2
- Date: Thu, 7 Jul 2022 08:20:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-08 10:57:00.065641
- Title: Patient-specific modelling, simulation and real time processing for
constrictive respiratory diseases
- Title（参考訳）: 収縮性呼吸器疾患の患者別モデル、シミュレーションおよびリアルタイム処理
- Authors: Stavros Nousias
- Abstract要約: 喘息は呼吸系の慢性疾患であり、大きな障害と社会的負担を引き起こす。
世界の人口は5億人を超え、2011年の米国における費用は5600億ドルを超えている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Asthma is a common chronic disease of the respiratory system causing
significant disability and societal burden. It affects over 500 million people
worldwide and generates costs exceeding $USD 56 billion in 2011 in the United
States. Managing asthma involves controlling symptoms, preventing
exacerbations, and maintaining lung function. Improving asthma control affects
the daily life of patients and is associated with a reduced risk of
exacerbations and lung function impairment, reduces the cost of asthma care and
indirect costs associated with reduced productivity. Understanding the complex
dynamics of the pulmonary system and the lung's response to disease, injury,
and treatment is fundamental to the advancement of Asthma treatment.
Computational models of the respiratory system seek to provide a theoretical
framework to understand the interaction between structure and function. Their
application can improve pulmonary medicine by a patient-specific approach to
medicinal methodologies optimizing the delivery given the personalized geometry
and personalized ventilation patterns while introducing a patient-specific
technique that maximizes drug delivery. A three-fold objective addressed within
this dissertation becomes prominent at this point. The first part refers to the
comprehension of pulmonary pathophysiology and the mechanics of Asthma and
subsequently of constrictive pulmonary conditions in general. The second part
refers to the design and implementation of tools that facilitate personalized
medicine to improve delivery and effectiveness. Finally, the third part refers
to the self-management of the condition, meaning that medical personnel and
patients have access to tools and methods that allow the first party to easily
track the course of the condition and the second party, i.e. the patient to
easily self-manage it alleviating the significant burden from the health
system.
- Abstract（参考訳）: 喘息は呼吸系の一般的な慢性疾患であり、大きな障害と社会的負担を引き起こす。
世界の人口は5億人を超え、2011年の米国における費用は5600億ドルを超えている。
喘息の管理には、症状のコントロール、悪化の防止、肺機能の維持が含まれる。
喘息コントロールの改善は患者の日常生活に影響を与え、増悪や肺機能障害のリスクが減少し、喘息治療のコストと生産性の低下に伴う間接的なコストが削減される。
気管支喘息治療の進展には, 肺系の複雑な動態と, 疾患, 外傷, 治療に対する肺の反応の理解が不可欠である。
呼吸系の計算モデルは、構造と機能の間の相互作用を理解するための理論的枠組みを提供する。
患者固有の方法により、患者固有のアプローチで、薬物のデリバリーを最大化する患者固有の技術を導入しながら、パーソナライズされた幾何学的およびパーソナライズされた換気パターンからデリバリーを最適化することができる。
この論文の3倍の目的がこの時点で顕著になる。
第1部は、肺の病態の理解と喘息のメカニズム、およびそれに続く収縮性肺疾患全般を指す。
第2部では、デリバリーと効率を改善するためにパーソナライズされた医療を促進するツールの設計と実装について述べる。
最後に、第3部は、状態の自己管理のことであり、医療従事者や患者は、第1部が状態の経過を容易に追跡できるツールや方法、第2部、すなわち、患者が健康システムから重大な負担を軽減して、状態の自己管理を容易に行えるようにする。
関連論文リスト
- AsthmaBot: Multi-modal, Multi-Lingual Retrieval Augmented Generation For Asthma Patient Support [3.542013483233133]
喘息率は、環境やライフスタイルの要因によって、世界中で増加している。
即時医療へのアクセスは、特に発展途上国では限られている。
AsthmaBotは、喘息支援のための多言語・多モーダル検索拡張生成システムである。
論文 参考訳（メタデータ） (2024-09-24T07:24:01Z) - Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。
健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。
ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
論文 参考訳（メタデータ） (2024-09-05T02:14:31Z) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Validated respiratory drug deposition predictions from 2D and 3D medical
images with statistical shape models and convolutional neural networks [47.187609203210705]
患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。
2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
論文 参考訳（メタデータ） (2023-03-02T07:47:07Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - Building a Decision Support System for Automated Mobile Asthma
Monitoring in Remote Areas [0.0]
本稿では,運動によって引き起こされた喘息の早期症状を捉え解析するために,内蔵センサを搭載したスマートフォンを用いた。
予備的な結果は、スマートフォンが他のネットワークデバイスを使わずに喘息症状をモニターし、検出することができることを示している。
論文 参考訳（メタデータ） (2021-12-11T14:18:08Z) - Machine Learning for Mechanical Ventilation Control (Extended Abstract) [52.65490904484772]
機械的換気はICUで最も広く用いられている治療法の1つである。
人工呼吸器は、所定の気道圧の軌跡に従って患者の肺に空気を注入しなければならない。
データ駆動型アプローチは、人工呼吸器から収集したデータに基づいて訓練されたシミュレーターをトレーニングすることで、侵襲的人工呼吸器を制御することを学ぶ。
この方法は、一般的な強化学習アルゴリズムより優れており、PIDよりも正確で堅牢な物理的換気装置も制御できる。
論文 参考訳（メタデータ） (2021-11-19T20:54:41Z) - An Apparatus for the Simulation of Breathing Disorders: Physically
Meaningful Generation of Surrogate Data [24.50116388903113]
健常者における閉塞性および拘束性呼吸波形の両方をシミュレートする簡便かつ効果的な方法として,PVCチューブと3Dプリント部品からなる装置を提案する。
呼吸抵抗と呼吸抵抗の両方を独立に制御することで、FEV1/FVCの吸気比の全スペクトルを通して閉塞性呼吸障害をシミュレーションすることができる。
人工呼吸障害シミュレーション装置の使用による波形においても、吸気義務周期の変化やピークフローの変化などの呼吸障害の波形特性が観察される。
論文 参考訳（メタデータ） (2021-09-14T14:00:37Z) - A Multi-Modal Respiratory Disease Exacerbation Prediction Technique
Based on a Spatio-Temporal Machine Learning Architecture [0.0]
慢性閉塞性肺疾患や喘息などの慢性呼吸器疾患は深刻な健康危機である。
呼吸器症状の進行を評価する現在の方法は、主観的で不正確な、または複雑で面倒です。
本研究は、新しい時間的機械学習アーキテクチャに基づいて、PDなどの呼吸器疾患の悪化リスクを予測するためのマルチモーダルソリューションを提案する。
論文 参考訳（メタデータ） (2021-03-03T05:24:53Z) - CT-based COVID-19 Triage: Deep Multitask Learning Improves Joint
Identification and Severity Quantification [45.86448200141968]
感染リスクのある患者をできるだけ早期に分離する研究を優先するための新型コロナウイルスの同定、重度定量化、重篤な患者の研究の強調、病院への誘導、救急医療の提供の2つの基本的な設定について述べる。
両トリアージアプローチを統合するマルチタスクアプローチを提案し、利用可能なラベルを1つのモデルにまとめる畳み込みニューラルネットワークを提案する。
我々は約2000件の公開CT研究をトレーニングし、32件のCOVID-19研究、30件の細菌性肺炎、31件の健常患者、および30件の肺病理患者からなる慎重に設計したセットを用いて、典型的な患者の血流をエミュレートする。
論文 参考訳（メタデータ） (2020-06-02T08:05:06Z)
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。