論文の概要: HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare
- arxiv url: http://arxiv.org/abs/2301.10477v1
- Date: Wed, 25 Jan 2023 09:25:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 13:51:25.916710
- Title: HEAR4Health: A blueprint for making computer audition a staple of modern
healthcare
- Title(参考訳): HEAR4Health:コンピュータ・オーディションを現代医療の基盤にするための青写真
- Authors: Andreas Triantafyllopoulos, Alexander Kathan, Alice Baird, Lukas
Christ, Alexander Gebhard, Maurice Gerczuk, Vincent Karas, Tobias H\"ubner,
Xin Jing, Shuo Liu, Adria Mallol-Ragolta, Manuel Milling, Sandra Ottl,
Anastasia Semertzidou, Srividya Tirunellai Rajamani, Tianhao Yan, Zijiang
Yang, Judith Dineley, Shahin Amiriparian, Katrin D. Bartl-Pokorny, Anton
Batliner, Florian B. Pokorny, Bj\"orn W. Schuller
- Abstract要約: 近年、従来の医療システムを変革する試みとして、デジタル医療の研究が急速に増加している。
コンピュータによるオーディションは、少なくとも商業的関心の面では遅れている。
実生活における聴覚信号の分析に必要な基礎技術に対応する聴覚、計算とデータ効率の進歩、個々の差異を考慮し、医療データの長手性を扱う聴覚。
- 参考スコア(独自算出の注目度): 89.8799665638295
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent years have seen a rapid increase in digital medicine research in an
attempt to transform traditional healthcare systems to their modern,
intelligent, and versatile equivalents that are adequately equipped to tackle
contemporary challenges. This has led to a wave of applications that utilise AI
technologies; first and foremost in the fields of medical imaging, but also in
the use of wearables and other intelligent sensors. In comparison, computer
audition can be seen to be lagging behind, at least in terms of commercial
interest. Yet, audition has long been a staple assistant for medical
practitioners, with the stethoscope being the quintessential sign of doctors
around the world. Transforming this traditional technology with the use of AI
entails a set of unique challenges. We categorise the advances needed in four
key pillars: Hear, corresponding to the cornerstone technologies needed to
analyse auditory signals in real-life conditions; Earlier, for the advances
needed in computational and data efficiency; Attentively, for accounting to
individual differences and handling the longitudinal nature of medical data;
and, finally, Responsibly, for ensuring compliance to the ethical standards
accorded to the field of medicine.
- Abstract(参考訳): 近年、デジタル医療の研究が急速に増加し、従来の医療システムを現代的でインテリジェントで多用途の同等品に転換しようとしている。
医療画像の分野では第一に、そして第一に、ウェアラブルやその他のインテリジェントなセンサーの利用において、ai技術を活用するアプリケーション群が誕生した。
対照的に、コンピュータのオーディションは、少なくとも商業的関心の観点からは遅れているように見える。
しかし、オーディションは長年医療従事者にとって必須のアシスタントであり、聴診器は世界中の医師にとって重要なサインだ。
この従来のテクノロジーをAIで変換するには、固有の課題がいくつか必要だ。
我々は、4つの主要な柱で必要とされる進歩を分類する: 聴き、実生活環境における聴覚信号の分析に必要な基礎技術に対応する; 以前には計算とデータ効率に必要とされる進歩; 個々の違いを考慮し、医療データの経年的性質を扱うために注意深い; そして最後に、医療分野に準拠した倫理基準の遵守を確保するために責任を負う。
関連論文リスト
- Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。
我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
論文 参考訳(メタデータ) (2024-11-16T18:19:53Z) - Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。
視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。
我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
論文 参考訳(メタデータ) (2024-11-15T11:31:06Z) - A Revolution of Personalized Healthcare: Enabling Human Digital Twin
with Mobile AIGC [54.74071593520785]
モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術である
モバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
論文 参考訳(メタデータ) (2023-07-22T15:59:03Z) - Distantly supervised end-to-end medical entity extraction from
electronic health records with human-level quality [77.34726150561087]
本稿では,電子健康記録(EHR)から医療用脳波を単一段階のマルチラベル分類タスクとして行う新しい手法を提案する。
我々のモデルは、医療知識ベースから自動的に抽出されたターゲットを用いて、遠距離から教師付きでエンドツーエンドに訓練されている。
我々の研究は、十分な量の未ラベルのEHRと医療知識ベースが利用できることを考えると、人間の監督なく、人的品質で、医療機関の抽出をエンドツーエンドで行えることを実証している。
論文 参考訳(メタデータ) (2022-01-25T17:04:46Z) - Before and After: Machine learning for perioperative patient care [0.0]
学際的レビューは、コンピュータサイエンスと看護の橋を架けることを目的としている。
手術前後の患者のケアにおける機械学習とデータ処理の方法を概説し分類する。
論文 参考訳(メタデータ) (2022-01-20T09:55:12Z) - Artificial Intelligence in Dry Eye Disease [4.444624718360766]
ドライアイ病(DED)は5~50%の頻度である。
医学への応用における近年の成功は、主に機械学習のサブ分野の発展によるものである。
これは、DEDにおけるAIの使用に関する最初の文献レビューである。
論文 参考訳(メタデータ) (2021-09-02T10:17:50Z) - Artificial Intelligence Decision Support for Medical Triage [0.0]
我々はトリアージシステムを開発し、現在、ヨーロッパ最大の遠隔医療プロバイダーで使用中である。
本システムは,モバイルアプリケーションを用いた患者とのインタラクションを通じて,ケア代替案の評価を行う。
最初の一連の症状に基づいて、トリアージアプリケーションはAIを利用したパーソナライズされた質問を生成し、問題をより正確に識別する。
論文 参考訳(メタデータ) (2020-11-09T16:45:01Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-09-24T00:42:36Z)
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。