論文の概要: AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with
Pervasive Sensing
- arxiv url: http://arxiv.org/abs/2303.06252v1
- Date: Sat, 11 Mar 2023 00:25:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 20:03:48.849047
- Title: AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with
Pervasive Sensing
- Title（参考訳）: AI強化集中治療ユニット:広汎なセンシングによる患者ケアの革新
- Authors: Subhash Nerella, Ziyuan Guan, Scott Siegel, Jiaqing Zhang, Kia
Khezeli, Azra Bihorac, Parisa Rashidi
- Abstract要約: 集中治療室 (ICU) は、重篤な患者が集中治療や監視を受ける特別な病院空間である。
包括的モニタリングは、患者の状態、特に明度、究極的にはケアの質を評価する上で必須である。
現在、表情、姿勢、移動といった細部を含む視力評価は散発的に捉えられるか、全く捉えられていない。
- 参考スコア（独自算出の注目度）: 3.971511919246828
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The intensive care unit (ICU) is a specialized hospital space where
critically ill patients receive intensive care and monitoring. Comprehensive
monitoring is imperative in assessing patients conditions, in particular
acuity, and ultimately the quality of care. However, the extent of patient
monitoring in the ICU is limited due to time constraints and the workload on
healthcare providers. Currently, visual assessments for acuity, including fine
details such as facial expressions, posture, and mobility, are sporadically
captured, or not captured at all. These manual observations are subjective to
the individual, prone to documentation errors, and overburden care providers
with the additional workload. Artificial Intelligence (AI) enabled systems has
the potential to augment the patient visual monitoring and assessment due to
their exceptional learning capabilities. Such systems require robust annotated
data to train. To this end, we have developed pervasive sensing and data
processing system which collects data from multiple modalities depth images,
color RGB images, accelerometry, electromyography, sound pressure, and light
levels in ICU for developing intelligent monitoring systems for continuous and
granular acuity, delirium risk, pain, and mobility assessment. This paper
presents the Intelligent Intensive Care Unit (I2CU) system architecture we
developed for real-time patient monitoring and visual assessment.
- Abstract（参考訳）: 集中治療室 (ICU) は、重篤な患者が集中治療や監視を受ける特別な病院空間である。
包括的モニタリングは患者の状態、特に明度、究極的にはケアの質を評価する上で不可欠である。
しかし、ICUにおける患者の監視範囲は、時間的制約と医療提供者の作業負荷によって制限されている。
現在、表情、姿勢、機動性などの細部を含む視力の視覚的評価は散発的に捉えられ、あるいは全く捉えられていない。
これらの手作業による観察は、個人にとって主観的であり、ドキュメントエラーを起こしやすく、追加のワークロードでケアプロバイダを過大評価します。
人工知能(AI)によって実現されたシステムは、異常な学習能力のために、患者の視覚的モニタリングとアセスメントを増強する可能性がある。
このようなシステムは、トレーニングに堅牢なアノテートデータを必要とする。
そこで本研究では,複数モードの深度画像,カラーRGB画像,加速度計,筋電図,音圧,光レベルからデータを収集し,連続的および粒度の計測,デリリウムリスク,痛み,移動性評価などのインテリジェントなモニタリングシステムを開発するために,広汎なセンシング・データ処理システムを開発した。
本稿では,患者のリアルタイムモニタリングと視覚的評価のために開発したIntelligent Intensive Care Unit (I2CU)システムアーキテクチャについて述べる。
関連論文リスト
- CO2Wounds-V2: Extended Chronic Wounds Dataset From Leprosy Patients [57.31670527557228]
本稿では,レプロシー患者のRGB創傷画像の拡張コレクションであるCO2Wounds-V2データセットについて紹介する。
医療分野における画像処理アルゴリズムの開発とテストを強化することを目的としている。
論文 参考訳（メタデータ） (2024-08-20T13:21:57Z) - Leveraging Computer Vision in the Intensive Care Unit (ICU) for Examining Visitation and Mobility [12.347067736902094]
我々は、奥行き画像に基づく最先端の非侵襲型コンピュータビジョンシステムを活用し、ICU訪問と患者の移動性を特徴付ける。
患者視力低下と訪問の増加に伴うデリリウムの出現との関連を見いだした。
ICU患者に対する非侵襲的自律システムの有用性と可能性について検討した。
論文 参考訳（メタデータ） (2024-03-10T21:43:47Z) - Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline
Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。
この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。
この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
論文 参考訳（メタデータ） (2023-12-31T16:01:48Z) - Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status [0.9867627975175174]
ICUの既存の患者評価は散発的であり、手動で管理されている。
我々はデータ不均衡問題に対処する新しい「マスケッド損失計算」手法を開発した。
634,054フレームのAU推論を行い,顔面AUと臨床的に重要な患者状況との関連性について検討した。
論文 参考訳（メタデータ） (2023-11-01T15:07:03Z) - Remote patient monitoring using artificial intelligence: Current state,
applications, and challenges [13.516357215412024]
本研究の目的は,導入技術,RPMに対するAIの影響,AI対応RPMの課題と動向など,RPMシステムの総合的なレビューを行うことである。
RPMにおけるAIの役割は、身体活動の分類から慢性疾患のモニタリング、緊急時におけるバイタルサインのモニタリングまで様々である。
このレビュー結果は、AI対応のRPMアーキテクチャが医療モニタリングアプリケーションを変革したことを示している。
論文 参考訳（メタデータ） (2023-01-19T06:22:14Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - Predicting Patient Readmission Risk from Medical Text via Knowledge
Graph Enhanced Multiview Graph Convolution [67.72545656557858]
本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。
外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。
実験により,本手法の有効性が証明され,最先端の性能が得られた。
論文 参考訳（メタデータ） (2021-12-19T01:45:57Z) - Automated, real-time hospital ICU emergency signaling: A field-level
implementation [1.5399429731150378]
我々は,新しい患者監視システムを設計する。
提案するプロトタイプは,安価な周辺機器と簡易ユーザインタフェースを備える。
患者データを連続的に評価することにより、システムはリアルタイムで重要な事象を確実に検出でき、誤警報率も低いことを示す。
論文 参考訳（メタデータ） (2021-11-03T03:32:33Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - 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) - Multi-Task Temporal Shift Attention Networks for On-Device Contactless
Vitals Measurement [9.825675909430611]
ビデオベースおよびオンデバイス型光学式心肺蘇生標識計測手法を提案する。
移動プラットフォーム上でのリアルタイム心血管および呼吸の測定を可能にする。
我々は,高度なRISCマシン(ARM)CPU上でのシステム評価を行い,150フレーム/秒以上動作しながら最先端の精度を実現した。
論文 参考訳（メタデータ） (2020-06-06T06:31:24Z)
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。