論文の概要: Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for
Patients with Cerebral Palsy
- arxiv url: http://arxiv.org/abs/2208.05232v1
- Date: Wed, 10 Aug 2022 09:21:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-11 12:50:01.653485
- Title: Trustworthy Visual Analytics in Clinical Gait Analysis: A Case Study for
Patients with Cerebral Palsy
- Title（参考訳）: 臨床歩行分析における信頼できる視覚分析 : 脳性麻痺患者を事例として
- Authors: Alexander Rind (1), Djordje Slijep\v{c}evi\'c (1), Matthias
Zeppelzauer (1), Fabian Unglaube (2), Andreas Kranzl (2) and Brian Horsak (3)
((1) Institute of Creative\Media/Technologies, St. Poelten University of
Applied Sciences, Austria, (2) Orthopaedic Hospital Vienna-Speising, Austria,
(3) Institute of Health Sciences, St. Poelten University of Applied Sciences,
Austria)
- Abstract要約: gaitXplorerは、CP関連歩行パターンの分類のための視覚分析手法である。
Grad-CAMは、機械学習の分類の説明のために、よく確立された説明可能な人工知能アルゴリズムである。
- 参考スコア（独自算出の注目度）: 43.55994393060723
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Three-dimensional clinical gait analysis is essential for selecting optimal
treatment interventions for patients with cerebral palsy (CP), but generates a
large amount of time series data. For the automated analysis of these data,
machine learning approaches yield promising results. However, due to their
black-box nature, such approaches are often mistrusted by clinicians. We
propose gaitXplorer, a visual analytics approach for the classification of
CP-related gait patterns that integrates Grad-CAM, a well-established
explainable artificial intelligence algorithm, for explanations of machine
learning classifications. Regions of high relevance for classification are
highlighted in the interactive visual interface. The approach is evaluated in a
case study with two clinical gait experts. They inspected the explanations for
a sample of eight patients using the visual interface and expressed which
relevance scores they found trustworthy and which they found suspicious.
Overall, the clinicians gave positive feedback on the approach as it allowed
them a better understanding of which regions in the data were relevant for the
classification.
- Abstract（参考訳）: 脳性麻痺(CP)患者に対する最適な治療介入の選択には3次元臨床歩行分析が不可欠であるが,大量の時系列データを生成する。
これらのデータの自動解析では、機械学習アプローチが有望な結果をもたらす。
しかし、そのブラックボックスの性質から、そのようなアプローチは臨床医によってしばしば不信されている。
本稿では,機械学習の分類法を説明するために,よく確立された説明可能な人工知能アルゴリズムであるGrad-CAMを統合した,CP関連歩行パターンの分類のための視覚分析手法であるgaitXplorerを提案する。
対話型視覚インタフェースでは,分類の関連性が高い領域が強調される。
このアプローチは、2つの臨床歩行専門家によるケーススタディで評価された。
彼らは、視覚インターフェイスを使用して8人の患者のサンプルについての説明を検査し、信頼に値する結果と疑わしい値を示した。
全体として、臨床医はアプローチに対して肯定的なフィードバックを与え、データのどの領域が分類に関連しているかをよりよく理解した。
関連論文リスト
- How Deep is your Guess? A Fresh Perspective on Deep Learning for Medical Time-Series Imputation [6.547981908229007]
深層学習を用いた時系列計算のための新しい分類フレームワークを提案する。
文献における概念的ギャップと既存のレビューを識別することにより、ニューラル・インパテーション・フレームワークの帰納的バイアスに基づく分類法を考案する。
論文 参考訳（メタデータ） (2024-07-11T12:33:28Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Patient Clustering via Integrated Profiling of Clinical and Digital Data [2.370296071691569]
医療における臨床データを対象とした新規なプロファイルベースの患者クラスタリングモデルを提案する。
本モデルは,患者の臨床データと,ブラウジングや検索を含むデジタルインタラクションデータを利用して,患者のプロファイルを構築する。
論文 参考訳（メタデータ） (2023-08-22T19:25:04Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳（メタデータ） (2023-07-25T09:48:13Z) - A Transformer-based representation-learning model with unified
processing of multimodal input for clinical diagnostics [63.106382317917344]
本稿では,マルチモーダル入力を統一的に処理する臨床診断支援として,トランスフォーマーを用いた表現学習モデルについて報告する。
統一モデルは, 肺疾患の同定において, 画像のみのモデル, 非統一型マルチモーダル診断モデルより優れていた。
論文 参考訳（メタデータ） (2023-06-01T16:23:47Z) - Identification, explanation and clinical evaluation of hospital patient
subtypes [50.591267188664666]
本研究は、2017年から2021年にかけて、英国にある大病院で入院した入院患者のサブタイプを特定するために、教師なしの機械学習技術を用いたパイプラインを提案する。
最先端の説明可能性技術を用いることで、特定されたサブタイプを解釈し、臨床的な意味を付与する。
同時に、臨床医は臨床知識の文脈において、特定された患者サブタイプのクラスタ内類似度とクラスタ間差異を評価した。
論文 参考訳（メタデータ） (2023-01-19T11:42:09Z) - Multi-Modal Learning Using Physicians Diagnostics for Optical Coherence
Tomography Classification [0.0]
我々は,光学コヒーレンス・トモグラフィーの分析に専門家の診断と知見を取り入れたフレームワークを提案する。
OCTを用いた疾患分類を改善するために,医学診断属性データセットを作成する。
論文 参考訳（メタデータ） (2022-03-20T18:37:20Z) - Now You See It, Now You Dont: Adversarial Vulnerabilities in
Computational Pathology [2.1577322127603407]
病理画像における腫瘍パッチの分類の高精度なモデルが,最小限の摂動で容易に攻撃可能であることを示す。
解析結果から,高い成功率と低摂動エネルギーで,特定の入力画像に対して単一インスタンスのホワイトボックス攻撃を発生できることが示唆された。
本研究は, 対人攻撃の摂動エネルギー, 臨床的意義の形態的構造, 訓練された病理医による受容性, 深層学習モデルを用いて得られた塩分濃度マップとの関係を系統的に解析した。
論文 参考訳（メタデータ） (2021-06-14T14:33:24Z) - A Methodology for Bi-Directional Knowledge-Based Assessment of
Compliance to Continuous Application of Clinical Guidelines [1.52292571922932]
ケアプロセスのガイドラインに基づく品質評価を自動化するための新しいアプローチを提案する。
BiKBAC法は臨床ガイドラインを適用する際のコンプライアンスの度合いを評価する。
DiscovErrシステムは、2型糖尿病管理領域の別の研究で評価されました。
論文 参考訳（メタデータ） (2021-03-13T20:43:45Z) - Semi-supervised Medical Image Classification with Relation-driven
Self-ensembling Model [71.80319052891817]
医用画像分類のための関係駆動型半教師付きフレームワークを提案する。
これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。
本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
論文 参考訳（メタデータ） (2020-05-15T06:57:54Z)
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。