Fugu-MT 論文翻訳(概要): Deep learning based non-contact physiological monitoring in Neonatal Intensive Care Unit

論文の概要: Deep learning based non-contact physiological monitoring in Neonatal Intensive Care Unit

arxiv url: http://arxiv.org/abs/2207.11886v1
Date: Mon, 25 Jul 2022 03:19:16 GMT
ステータス: 処理完了
システム内更新日: 2022-07-26 15:34:11.882314
Title: Deep learning based non-contact physiological monitoring in Neonatal Intensive Care Unit
Title（参考訳）: 新生児集中治療ユニットにおける深層学習に基づく非接触生理モニタリング
Authors: Nicky Nirlipta Sahoo, Balamurali Murugesan, Ayantika Das, Srinivasa Karthik, Keerthi Ram, Steffen Leonhardt, Jayaraj Joseph and Mohanasankar Sivaprakasam
Abstract要約: 本研究はNICUセットアップのビデオから心肺信号の遠隔推定のためのパイプラインを提案する。我々は,SGTラベルを生成するために,非学習に基づくアプローチを統合するエンド・ツー・エンドのディープラーニング(DL)モデルを提案した。
参考スコア（独自算出の注目度）: 5.000608788438847
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Preterm babies in the Neonatal Intensive Care Unit (NICU) have to undergo continuous monitoring of their cardiac health. Conventional monitoring approaches are contact-based, making the neonates prone to various nosocomial infections. Video-based monitoring approaches have opened up potential avenues for contactless measurement. This work presents a pipeline for remote estimation of cardiopulmonary signals from videos in NICU setup. We have proposed an end-to-end deep learning (DL) model that integrates a non-learning based approach to generate surrogate ground truth (SGT) labels for supervision, thus refraining from direct dependency on true ground truth labels. We have performed an extended qualitative and quantitative analysis to examine the efficacy of our proposed DL-based pipeline and achieved an overall average mean absolute error of 4.6 beats per minute (bpm) and root mean square error of 6.2 bpm in the estimated heart rate.
Abstract（参考訳）: 新生児集中治療室(NICU)の乳幼児は、心臓の健康を継続的に監視する必要がある。従来のモニタリングアプローチはコンタクトベースであり、新生児は様々な院内感染に悩まされる。ビデオベースのモニタリングアプローチは、非接触計測のための潜在的な道を開いた。本研究はNICUセットアップのビデオから心肺信号の遠隔推定のためのパイプラインを提案する。我々は,非学習に基づくアプローチを取り入れたエンド・ツー・エンドのディープラーニング(DL)モデルを提案し,サロゲート基底真理(SGT)ラベルを監督のために生成し,真基底真理ラベルへの直接的な依存を回避した。我々は,提案するdlベースパイプラインの有効性を検討するために拡張定性的定量的解析を行い,推定心拍数で平均平均絶対誤差4.6beats per minute (bpm),根平均2乗誤差6.2bpmを達成した。

関連論文リスト

Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文参考訳（メタデータ） (2024-10-08T10:03:52Z)
ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
論文参考訳（メタデータ） (2024-09-19T06:14:30Z)
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)
Deep Learning with Information Fusion and Model Interpretation for Health Monitoring of Fetus based on Long-term Prenatal Electronic Fetal Heart Rate Monitoring Data [24.955121216437963]
本研究では,連続FHRモニタリングのためのLARA(Long-term Antepartum Risk Analysis System)という自動分析システムを開発した。 LARAのコアは、確立された畳み込みニューラルネットワーク(CNN)モデルである。長期FHRデータを入力として処理し、分析結果としてリスク分散マップ(RDM)とリスク指標(RI)を生成する。
論文参考訳（メタデータ） (2024-01-27T07:59:54Z)
Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文参考訳（メタデータ） (2023-10-24T11:34:15Z)
Deep Metric Learning for the Hemodynamics Inference with Electrocardiogram Signals [14.972877620537686]
我々は、中央の圧力ラベルを伴わない540万以上のECGを含むデータセットを使用して、自己教師型DMLモデルを事前トレーニングします。 8,172mPCWPラベルのECGを用いた教師付きDMLモデルでは,mPCWP回帰タスクの性能が著しく向上した。
論文参考訳（メタデータ） (2023-08-09T01:30:07Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Leveraging Clinically Relevant Biometric Constraints To Supervise A Deep Learning Model For The Accurate Caliper Placement To Obtain Sonographic Measurements Of The Fetal Brain [0.0]
経小脳平面(TC)の2次元USG画像から3つの重要な胎児脳バイオメトリーを計算するための深層学習(DL)手法を提案する。 U-Net DLモデルの精度を向上させるために,臨床的に関連するバイオメトリック制約(校正点間の関連性)とドメイン関連データ拡張を利用した。いずれの場合も、個々のカリパーポイントの配置における平均誤差と計算されたバイオメトリーは、臨床医の誤差率に匹敵するものであった。
論文参考訳（メタデータ） (2022-03-28T04:00:22Z)
Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms [2.770437783544638]
新生児および乳児の肺高血圧は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。心エコー図を用いたコホート194新生児のPH予測のための多視点ビデオに基づく多視点深層学習手法を提案する。
論文参考訳（メタデータ） (2022-03-24T12:33:58Z)
Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文参考訳（メタデータ） (2021-04-29T00:11:32Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。