論文の概要: Learn2Trust: A video and streamlit-based educational programme for
AI-based medical image analysis targeted towards medical students
- arxiv url: http://arxiv.org/abs/2208.07314v1
- Date: Mon, 15 Aug 2022 16:26:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-16 15:01:38.095069
- Title: Learn2Trust: A video and streamlit-based educational programme for
AI-based medical image analysis targeted towards medical students
- Title(参考訳): Learn2Trust:AIを用いた医用画像分析のためのビデオと合理化教育プログラム
- Authors: Hanna Siebert, Marian Himstedt and Mattias Heinrich
- Abstract要約: オンラインコースでは、医療画像データ分析のためのAIの基礎を教えている。
焦点は医学的応用と機械学習の基礎に焦点を当てた。
授業初回参加医学生を対象に,研究仮説を定量的に分析するために調査を行った。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In order to be able to use artificial intelligence (AI) in medicine without
scepticism and to recognise and assess its growing potential, a basic
understanding of this topic is necessary among current and future medical
staff. Under the premise of "trust through understanding", we developed an
innovative online course as a learning opportunity within the framework of the
German KI Campus (AI campus) project, which is a self-guided course that
teaches the basics of AI for the analysis of medical image data. The main goal
is to provide a learning environment for a sufficient understanding of AI in
medical image analysis so that further interest in this topic is stimulated and
inhibitions towards its use can be overcome by means of positive application
experience. The focus was on medical applications and the fundamentals of
machine learning. The online course was divided into consecutive lessons, which
include theory in the form of explanatory videos, practical exercises in the
form of Streamlit and practical exercises and/or quizzes to check learning
progress. A survey among the participating medical students in the first run of
the course was used to analyse our research hypotheses quantitatively.
- Abstract(参考訳): 懐疑的でない医療において人工知能(AI)を活用でき、その潜在能力を認識・評価するためには、現在および将来の医療スタッフに基本的な理解が必要である。
理解を通じて信頼する」という前提のもと、我々は、医学画像データ分析のためのAIの基礎を教える自己指導コースであるドイツKIキャンパス(AIキャンパス)プロジェクトの枠組みの中で、学習機会として革新的なオンラインコースを開発した。
主な目的は、医療画像分析におけるAIの十分な理解のための学習環境を提供することであり、このトピックへのさらなる関心が刺激され、その使用に対する抑制がポジティブなアプリケーション体験によって克服される。
その焦点は、医学的応用と機械学習の基本だった。
オンラインコースは、説明ビデオの形式での理論、Streamlitの形での実践演習、実践演習、および/または学習の進捗を確認するクイズを含む連続的な授業に分けられた。
本研究の仮説を定量的に解析するために,第1回研修に参加した医学生を対象に調査を行った。
関連論文リスト
- Interpretable Medical Imagery Diagnosis with Self-Attentive
Transformers: A Review of Explainable AI for Health Care [2.7195102129095003]
ビジョントランスフォーマー(ViT)は、自己注意モジュールの恩恵を受け、最先端のコンピュータビジョンモデルとして登場した。
ディープラーニングモデルは複雑で、しばしば"ブラックボックス"として扱われる。
本稿では、最近のViTの進歩と、ViTの意思決定プロセスを理解するための解釈的アプローチを要約する。
論文 参考訳(メタデータ) (2023-09-01T05:01:52Z) - FUTURE-AI: International consensus guideline for trustworthy and
deployable artificial intelligence in healthcare [73.51384299592974]
医療AIに関連する技術的、臨床的、倫理的、法的リスクに関する懸念が高まっている。
この研究は、Future-AIガイドラインを、医療における信頼できるAIツールの開発とデプロイを導くための最初の国際コンセンサスフレームワークとして説明している。
論文 参考訳(メタデータ) (2023-08-11T10:49:05Z) - LLaVA-Med: Training a Large Language-and-Vision Assistant for
Biomedicine in One Day [85.19963303642427]
本稿では,バイオメディカルイメージのオープンな研究課題に答えられる視覚言語対話アシスタントを訓練するための費用効率のよいアプローチを提案する。
モデルはまず、フィギュア・キャプションのペアを使ってバイオメディカル・ボキャブラリをアライメントし、その後、オープンエンドの会話意味論を習得する。
これにより、バイオメディジンのための大規模言語と視覚アシスタントを15時間以内で(8つのA100で)訓練することができる。
論文 参考訳(メタデータ) (2023-06-01T16:50:07Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳(メタデータ) (2023-05-31T11:29:04Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳(メタデータ) (2022-12-06T05:30:22Z) - Align, Reason and Learn: Enhancing Medical Vision-and-Language
Pre-training with Knowledge [68.90835997085557]
本稿では,3つの視点から構造化された医療知識を高めるための体系的かつ効果的なアプローチを提案する。
まず、視覚エンコーダと言語エンコーダの表現を知識を通して整列する。
次に,多モード融合モデルに知識を注入し,入力画像とテキストの補足として知識を用いた推論を可能にする。
第3に、知識によって引き起こされるプレテキストタスクを設計することで、画像やテキストの最も重要な情報に重点を置くよう、モデルを指導する。
論文 参考訳(メタデータ) (2022-09-15T08:00:01Z) - Self-supervised learning methods and applications in medical imaging
analysis: A survey [0.0]
本稿では,医用画像解析分野における画像データへの自己教師付き学習アプローチの最先端研究の方向性について概説する。
この論文は、医療画像解析における自己教師型学習の分野における最新の研究の40点を取り上げ、その分野における最近のイノベーションの光を隠蔽することを目的としている。
論文 参考訳(メタデータ) (2021-09-17T17:01:42Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳(メタデータ) (2021-06-15T12:25:30Z) - Achievements and Challenges in Explaining Deep Learning based
Computer-Aided Diagnosis Systems [4.9449660544238085]
我々は、既知の疾患基準の検証のための説明可能なAIの開発における初期の成果について論じる。
我々は、臨床意思決定支援ツールとしてのAIの実践的応用の道に立つ、残る課題をいくつか強調する。
論文 参考訳(メタデータ) (2020-11-26T08:08:19Z) - Artificial intelligence in medicine and healthcare: a review and
classification of current and near-future applications and their ethical and
social Impact [0.0]
この研究は、既存のソフトウェア、パーソナルモニタリングデバイス、遺伝子検査と編集ツール、パーソナライズされたデジタルモデル、オンラインプラットフォーム、拡張現実デバイス、外科的および補助ロボティクスなど、研究技術の現状の分析に基づいている。
われわれは,「拡張パーソナライズドメディカル」の概念を提示し,解説する。
ユビキタス情報時代における医師と患者の役割の変容について研究し、医療部門を「フェイクベース」、「患者生成」、「科学的に調整」に分類し、さらに詳細な分析を必要とするいくつかの側面に注意を向ける。
論文 参考訳(メタデータ) (2020-01-22T15:39:42Z) - Bridging the gap between AI and Healthcare sides: towards developing
clinically relevant AI-powered diagnosis systems [18.95904791202457]
医療・インフォマティクスにおける医療画像の専門家,医師,ジェネラリストを対象に,臨床的に価値のあるAI研究ワークショップを開催した。
そこで, 医師を対象としたアンケート調査により, データ拡張と医師養成の観点から, GANに基づく画像拡張プロジェクトを評価した。
論文 参考訳(メタデータ) (2020-01-12T12:45:46Z)
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。