論文の概要: The Past, Current, and Future of Neonatal Intensive Care Units with
Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2302.00225v2
- Date: Fri, 20 Oct 2023 17:02:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 13:27:10.434392
- Title: The Past, Current, and Future of Neonatal Intensive Care Units with
Artificial Intelligence
- Title（参考訳）: 人工知能を用いた新生児集中治療ユニットの過去・現在・未来
- Authors: Elif Keles and Ulas Bagci
- Abstract要約: 機械学習とディープラーニングは、コンピュータにどんなデータからでも学習し、意思決定するように教える。
ディープラーニングは、コンピュータビジョンから健康科学まで、ほぼあらゆる分野で革命的であることが証明されている。
ニューナトロジー応用のための機械学習とディープラーニングベースのソリューションを最近開発した。
- 参考スコア（独自算出の注目度）: 1.1136100002577292
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning and deep learning are two subsets of artificial intelligence
that involve teaching computers to learn and make decisions from any sort of
data. Most recent developments in artificial intelligence are coming from deep
learning, which has proven revolutionary in almost all fields, from computer
vision to health sciences. The effects of deep learning in medicine have
changed the conventional ways of clinical application significantly. Although
some sub-fields of medicine, such as pediatrics, have been relatively slow in
receiving the critical benefits of deep learning, related research in
pediatrics has started to accumulate to a significant level, too. Hence, in
this paper, we review recently developed machine learning and deep
learning-based solutions for neonatology applications. We systematically
evaluate the roles of both classical machine learning and deep learning in
neonatology applications, define the methodologies, including algorithmic
developments, and describe the remaining challenges in the assessment of
neonatal diseases by using PRISMA 2020 guidelines. To date, the primary areas
of focus in neonatology regarding AI applications have included survival
analysis, neuroimaging, analysis of vital parameters and biosignals, and
retinopathy of prematurity diagnosis. We have categorically summarized 106
research articles from 1996 to 2022 and discussed their pros and cons,
respectively. In this systematic review, we aimed to further enhance the
comprehensiveness of the study. We also discuss possible directions for new AI
models and the future of neonatology with the rising power of AI, suggesting
roadmaps for the integration of AI into neonatal intensive care units.
- Abstract（参考訳）: 機械学習とディープラーニングは、コンピュータにあらゆるデータから学習と意思決定をすることを教える人工知能の2つのサブセットである。
最近の人工知能の開発は、コンピュータビジョンから健康科学まで、ほぼすべての分野で革命的であることが証明されたディープラーニングから来ている。
医学における深層学習の効果は、従来の臨床応用方法を大きく変えた。
小児科のような一部の医学分野は、深層学習の批判的な恩恵を受けるのに比較的遅いが、小児科の関連研究もかなりのレベルに蓄積し始めている。
そこで本稿では,最近開発された,新生児学応用のための機械学習と深層学習に基づくソリューションについて概説する。
PRISMA 2020ガイドラインを用いて,古典的機械学習と深層学習の役割を体系的に評価し,アルゴリズム開発を含む方法論を定義し,新生児疾患の評価における残りの課題について述べる。
これまで、ai応用に関する新生児学の焦点は、生存分析、神経画像化、バイタルパラメータと生体信号の分析、未熟児診断の網膜症などであった。
1996年から2022年にかけて106の論文を分類的に要約し,それぞれの長所と短所について論じた。
本稿では,本研究の包括性をさらに高めることを目的とした。
また、新生児集中治療ユニットへのAI統合のロードマップを提案するとともに、新たなAIモデルの可能性や、AIのパワー向上による新生生物学の将来についても論じる。
関連論文リスト
- Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning [0.9866581731906279]
本研究は,小児心エコー図におけるAIの限界と可能性について概観する。
XAIとFLの相乗的ワークフローと役割を強調し、研究のギャップを特定し、将来の発展を探求する。
XAI と FL の3つの臨床応用例は, (i) 視認, (ii) 疾患分類, (iii) 心臓構造の分節化, (iv) 心臓機能の定量的評価に焦点をあてたものである。
論文 参考訳（メタデータ） (2024-11-15T15:03:34Z) - A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。
モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
論文 参考訳（メタデータ） (2024-07-07T18:02:00Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Continual Learning with Bayesian Model based on a Fixed Pre-trained
Feature Extractor [55.9023096444383]
現在のディープラーニングモデルは、新しいクラスを学ぶ際に古い知識を破滅的に忘れることによって特徴づけられる。
人間の脳における新しい知識の学習プロセスに着想を得て,連続学習のためのベイズ生成モデルを提案する。
論文 参考訳（メタデータ） (2022-04-28T08:41:51Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳（メタデータ） (2021-05-27T18:05:12Z) - Machine Learning Applications on Neuroimaging for Diagnosis and
Prognosis of Epilepsy: A Review [6.185653026582807]
てんかんの診断と予後の文脈におけるニューロイメージングと機械学習の相互作用を強調した。
本稿では,2段階構成法とエンドツーエンド法という2つの手法を用いて,ニューロイメージングデータに機械学習手法を適用する。
セグメンテーション、ローカライゼーション、横方向化タスクなど、てんかん性画像における機械学習タスクの詳細なレビューを行う。
論文 参考訳（メタデータ） (2021-02-05T18:39:12Z) - A Review of Artificial Intelligence Technologies for Early Prediction of
Alzheimer's Disease [1.1650381752104297]
アルツハイマー病(英: Alzheimer's Disease、AD)は、記憶と脳機能を破壊する重度の脳疾患である。
早期認知症の信頼性と効果的な評価は, 医用画像技術やコンピュータ支援アルゴリズムに欠かせない研究となっている。
論文 参考訳（メタデータ） (2020-12-22T01:05:34Z) - 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) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z)
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。