論文の概要: Development of A Real-time POCUS Image Quality Assessment and Acquisition Guidance System

• arxiv url: http://arxiv.org/abs/2212.08624v1
• Date: Fri, 16 Dec 2022 17:59:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 15:13:20.716593
• Title: Development of A Real-time POCUS Image Quality Assessment and Acquisition Guidance System
• Title（参考訳）: リアルタイムPOCUS画像品質評価・取得誘導システムの開発
• Authors: Zhenge Jia, Yiyu Shi, Jingtong Hu, Lei Yang, Benjamin Nti
• Abstract要約: 我々は,初級学習者に対して,手作業による介入の少ないトレーニングプロセスを提供するための,リアルタイムAI支援品質評価とプローブ位置ガイダンスを行うフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 16.90302469132399
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Point-of-care ultrasound (POCUS) is one of the most commonly applied tools for cardiac function imaging in the clinical routine of the emergency department and pediatric intensive care unit. The prior studies demonstrate that AI-assisted software can guide nurses or novices without prior sonography experience to acquire POCUS by recognizing the interest region, assessing image quality, and providing instructions. However, these AI algorithms cannot simply replace the role of skilled sonographers in acquiring diagnostic-quality POCUS. Unlike chest X-ray, CT, and MRI, which have standardized imaging protocols, POCUS can be acquired with high inter-observer variability. Though being with variability, they are usually all clinically acceptable and interpretable. In challenging clinical environments, sonographers employ novel heuristics to acquire POCUS in complex scenarios. To help novice learners to expedite the training process while reducing the dependency on experienced sonographers in the curriculum implementation, We will develop a framework to perform real-time AI-assisted quality assessment and probe position guidance to provide training process for novice learners with less manual intervention.
• Abstract（参考訳）: ポイント・オブ・ケア・超音波(POCUS)は、救急医療部と小児集中治療部の臨床業務における心臓機能イメージングの最も一般的なツールの1つである。 先行研究は、AI支援ソフトウェアが、興味領域を認識し、画像品質を評価し、指示を提供することで、事前に音韻学の経験のない看護師や初心者を誘導し、POCUSを取得することを実証している。 しかし、これらのAIアルゴリズムは、診断品質の高いPOCUSを取得する際に、熟練したソノグラフィーの役割を単に置き換えることはできない。 標準化されたイメージングプロトコルを持つ胸部X線、CT、MRIとは異なり、POCUSは高いサーバ間変動で取得できる。 可変性はあるものの、通常は臨床上許容され、解釈可能である。 難しい臨床環境では、ソノグラフィーは複雑なシナリオでPOCUSを取得するために新しいヒューリスティックを使用する。 教育実践において経験豊富なソノグラフィーへの依存を減らしながら、初等学習者が学習過程の迅速化を支援するため、実時間AI支援品質評価とプローブ位置ガイダンスを行い、初等学習者の手作業による介入の少ないトレーニングプロセスを提供する枠組みを開発する。

関連論文リスト

• Evidence Is All You Need: Ordering Imaging Studies via Language Model Alignment with the ACR Appropriateness Criteria [22.897900474995012]
  我々は,エビデンスに基づくガイドラインに沿う患者に対して,画像研究を推奨することで,言語モデルを活用するための枠組みを導入する。 患者の"ワンライナー"シナリオの新たなデータセットを公開し、実験をパワーアップし、最先端の言語モデルを最適化して、画像の順序付けにおいて臨床医と同等の精度を達成する。
  論文  参考訳（メタデータ） (2024-09-27T23:13:17Z)
• VISION: Toward a Standardized Process for Radiology Image Management at the National Level [3.793492459789475]
  我々は,米国退役軍人局(VA)電子健康記録データベースに関連付けられた,信頼できる放射線画像の収集を行った経験について述べる。 主な洞察は、臨床から研究可能な環境への画像転送に必要な特定の手順を明らかにすることである。
  論文  参考訳（メタデータ） (2024-04-29T16:30:24Z)
• AI-Assisted Cervical Cancer Screening [0.7124971549479362]
  低所得国と中所得国(LMICs)の資源制約環境では、視覚検査が最も有効な頸がん検診試験である。 カメラやスマートフォンを統合するさまざまなハンドヘルドデバイスは、最近、VIA中に頚部画像をキャプチャし、遠隔医療やAIモデルによる意思決定を支援するために研究されている。 本稿では,スマートフォンをベースとしたAI支援システムを構築するためのエンド・ツー・エンドの設計プロセスについて述べる。
  論文  参考訳（メタデータ） (2024-03-18T16:34:38Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [45.62380752173638]
  診断に医用画像を使用する場合,画像が高品質であることが重要である。 遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。 本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
  論文  参考訳（メタデータ） (2022-07-06T14:53:26Z)
• Colorectal Polyp Classification from White-light Colonoscopy Images via Domain Alignment [57.419727894848485]
  大腸内視鏡画像からの正確な診断を支援するためには,コンピュータ支援診断システムが必要である。 これまでのほとんどの研究では、Narrow-Band Imaging (NBI) や他の拡張画像を用いて、ポリプの分化モデルの開発を試みている。 正確な大腸ポリープ分類のための教師/学生アーキテクチャに基づく新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-08-05T09:31:46Z)
• Domain Generalization on Medical Imaging Classification using Episodic Training with Task Augmentation [62.49837463676111]
  本稿では,医用画像分類におけるタスク強化によるエピソードトレーニングの新たな手法を提案する。 実際の医療展開において、限られた数のソースドメインによって動機付けられ、ユニークなタスクレベルのオーバーフィッティングを検討します。
  論文  参考訳（メタデータ） (2021-06-13T03:56:59Z)
• Deep learning for biomedical photoacoustic imaging: A review [0.3234560001579256]
  光音響イメージング(英: Photoacoustic Imaging, PAI)は、組織深度数センチまでの光学組織特性を空間的に分解した画像化を可能にする、将来性のある画像モダリティである。 生データから関連組織パラメータを抽出するには、逆画像再構成問題の解決が必要である。 深層学習法には、PAIの臨床翻訳を容易にするユニークな利点がある。
  論文  参考訳（メタデータ） (2020-11-05T10:33:51Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Robust Medical Instrument Segmentation Challenge 2019 [56.148440125599905]
  腹腔鏡装置の術中追跡は、しばしばコンピュータとロボットによる介入の必要条件である。 本研究の課題は,30の手術症例から取得した10,040枚の注釈画像からなる外科的データセットに基づいていた。 結果は、初期仮説、すなわち、アルゴリズムの性能がドメインギャップの増大とともに低下することを確認する。
  論文  参考訳（メタデータ） (2020-03-23T14:35:08Z)

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。