論文の概要: A Multimodal Sensing Ring for Quantification of Scratch Intensity
- arxiv url: http://arxiv.org/abs/2302.03813v1
- Date: Wed, 8 Feb 2023 00:36:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 17:41:02.429903
- Title: A Multimodal Sensing Ring for Quantification of Scratch Intensity
- Title（参考訳）: スクラッチ強度の定量化のためのマルチモーダルセンシングリング
- Authors: Akhil Padmanabha, Sonal Choudhary, Carmel Majidi, Zackory Erickson
- Abstract要約: 本稿では,マルチモーダルウェアラブルリングデバイスと機械学習アルゴリズムを組み合わせたスクラッチ検出に加えて,スクラッチ強度の推定のためのフレームワークを提案する。
本アルゴリズムは,スクラッチ強度の臨床的に関連性のある判定を達成できることが示唆された。
本研究は, 指縫い装置がスクラッチ動作の多次元的, 客観的, リアルタイムな計測を可能にすることを示す。
- 参考スコア（独自算出の注目度）: 5.477186448694696
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An objective measurement of the debilitating symptom, chronic itch, is
necessary for improvements in patient care for numerous medical conditions.
While wearable devices have shown promise for scratch detection, they are
currently unable to estimate scratch intensity, preventing a comprehensive
understanding of the effect of itch on an individual. In this work, we present
a framework for the estimation of scratch intensity in addition to scratch
detection consisting of a multimodal wearable ring device and machine learning
algorithms for regression of scratch intensity on a 0-600 mW mechanical power
scale that can be mapped to a 0-10 continuous scale. We evaluate the
performance of our algorithms on 20 individuals using Leave One Subject Out
(LOSO) Cross Validation (CV) and using data from 14 additional participants, we
show that our algorithms achieve clinically-relevant discrimination of
scratching intensity levels. This work demonstrates that a finger-worn device
can provide multidimensional, objective, real-time measures for the action of
scratching.
- Abstract（参考訳）: 減弱症状である慢性かゆみの客観的測定は、多くの疾患に対する患者のケアを改善するために必要である。
ウェアラブルデバイスはスクラッチ検出を約束しているが、現在スクラッチ強度を推定できず、個人に対するかゆみの影響を包括的に理解できない。
本研究では, マルチモーダルウェアラブルリングデバイスと, 0-600 mW の機械的パワースケール上でのスクラッチ強度の回帰のための機械学習アルゴリズムからなるスクラッチ検出に加えて, スクラッチ強度の推定のためのフレームワークを提案する。
提案手法は20名を対象に,leaf one subject out (loso) cross validation (cv) を用いて評価し,14名の追加参加者のデータを用いて,スクラッチ強度レベルの臨床的に関連性のある識別を実現する。
本研究は, 指縫い装置がスクラッチ動作の多次元的, 客観的, リアルタイムな計測を可能にすることを示す。
関連論文リスト
- After-Stroke Arm Paresis Detection using Kinematic Data [2.375665889100906]
本稿では,片側腕麻痺・弱さをキネマティックデータを用いて検出する手法を提案する。
本手法では, 時間的畳み込みネットワークとリカレントニューラルネットワークを用いて, 知識蒸留によって導かれる。
以上の結果から,本手法が臨床医や医療従事者にとって有用である可能性が示唆された。
論文 参考訳（メタデータ） (2023-11-03T16:56:02Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Tissue Classification During Needle Insertion Using Self-Supervised
Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。
トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
論文 参考訳（メタデータ） (2023-04-26T14:11:04Z) - KIDS: kinematics-based (in)activity detection and segmentation in a
sleep case study [5.707737640557724]
睡眠行動とベッド内の運動は、人々の神経生理学的健康に関する豊富な情報を含んでいる。
本稿では,臨床的に有意な関節キネマティクスに基づく客観的(in)アクティビティ検出とセグメンテーションのためのオンラインベイズ確率的枠組みを提案する。
論文 参考訳（メタデータ） (2023-01-04T16:24:01Z) - Machine Learning-based Signal Quality Assessment for Cardiac Volume
Monitoring in Electrical Impedance Tomography [0.8541111605978491]
臨床応用では、心臓の容積シグナルは、主に臨床介入中の患者の意図的な動きや避けられない動きのために、品質が低いことが多い。
本研究の目的は、運動人工物が一過性の心臓容積信号に与える影響を評価するための信号品質指標を作成することである。
提案手法は,臨床医が患者の症状に関する混乱を最小限に抑えるために,即時警告を提供するのに有効である。
論文 参考訳（メタデータ） (2023-01-04T07:13:21Z) - Universal Lesion Detection in CT Scans using Neural Network Ensembles [5.341593824515018]
腫瘍の拡がりの下流評価を促進するため、病変の縮小の前提条件は、その検出である。
我々は,NIH DeepLesionデータセットに存在する疑わしい病変を識別するために,最先端検出ニューラルネットワークを提案する。
画像あたり65.17%の精度と91.67%の感度で1枚あたり4FPの精度で、病変を局在させる最良の検出モデルのアンサンブルを構築した。
論文 参考訳（メタデータ） (2021-11-09T00:11:01Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - One-shot action recognition towards novel assistive therapies [63.23654147345168]
この作業は、アクション模倣ゲームを含む医療療法の自動分析によって動機づけられます。
提案手法は、異種運動データ条件を標準化する前処理ステップを組み込んだものである。
自閉症者に対するセラピー支援のための自動ビデオ分析の実際の利用事例について検討した。
論文 参考訳（メタデータ） (2021-02-17T19:41:37Z) - Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture
Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。
本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。
一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文 参考訳（メタデータ） (2020-08-18T10:03:45Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - DeepBeat: A multi-task deep learning approach to assess signal quality
and arrhythmia detection in wearable devices [0.0]
我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。
我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。
2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
論文 参考訳（メタデータ） (2020-01-01T07:41:28Z)
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。