論文の概要: Object Detection During Newborn Resuscitation Activities

• arxiv url: http://arxiv.org/abs/2303.07790v1
• Date: Tue, 14 Mar 2023 11:04:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 15:30:37.112702
• Title: Object Detection During Newborn Resuscitation Activities
• Title（参考訳）: 新生児蘇生活動中の物体検出
• Authors: {\O}yvind Meinich-Bache, Kjersti Engan, Ivar Austvoll, Trygve Eftest{\o}l, Helge Myklebust, Ladislaus Blacy Yarrot, Hussein Kidanto and Hege Ersdal
• Abstract要約: 本稿では,2段階のプロセスを提案する。 最初のステップは、バッグマスクの蘇生装置や心拍センサーなど、関連するオブジェクトを検出し、追跡することだ。 運動中の物体検出性能は96.97 %(換気)、100 %(心拍センサーの装着/除去)、75 %(吸引)であった。
• 参考スコア（独自算出の注目度）: 3.5661795505491445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Birth asphyxia is a major newborn mortality problem in low-resource countries. International guideline provides treatment recommendations; however, the importance and effect of the different treatments are not fully explored. The available data is collected in Tanzania, during newborn resuscitation, for analysis of the resuscitation activities and the response of the newborn. An important step in the analysis is to create activity timelines of the episodes, where activities include ventilation, suction, stimulation etc. Methods: The available recordings are noisy real-world videos with large variations. We propose a two-step process in order to detect activities possibly overlapping in time. The first step is to detect and track the relevant objects, like bag-mask resuscitator, heart rate sensors etc., and the second step is to use this information to recognize the resuscitation activities. The topic of this paper is the first step, and the object detection and tracking are based on convolutional neural networks followed by post processing. Results: The performance of the object detection during activities were 96.97 % (ventilations), 100 % (attaching/removing heart rate sensor) and 75 % (suction) on a test set of 20 videos. The system also estimate the number of health care providers present with a performance of 71.16 %. Conclusion: The proposed object detection and tracking system provides promising results in noisy newborn resuscitation videos. Significance: This is the first step in a thorough analysis of newborn resuscitation episodes, which could provide important insight about the importance and effect of different newborn resuscitation activities
• Abstract（参考訳）: 出生性アスフィキジアは低資源国では新生児の死亡率の大きな問題である。 国際ガイドラインは治療勧告を提供するが、異なる治療の重要性と効果は十分に調査されていない。 利用可能なデータは、新生児の蘇生中にタンザニアで収集され、新生児の蘇生活動と反応を分析する。 分析の重要なステップは、換気、吸引、刺激などを含むエピソードのアクティビティ・タイムラインを作成することである。 メソッド: 利用可能な録音は、大きなバリエーションを持つ実世界の騒々しいビデオである。 本研究では,重複する可能性のある活動を検出するための2段階のプロセスを提案する。 第1のステップは、バッグマスクの蘇生器や心拍センサーなどの関連物体を検出し追跡することであり、第2のステップは、この情報を使用して蘇生活動を認識することである。 本論文のトピックは第1ステップであり,オブジェクト検出と追跡は畳み込みニューラルネットワークを基盤とし,後処理を行う。 結果: 動作中の物体検出性能は, 96.97 % (換気), 100 % (心拍センサの付着・除去), 75 % (吸引) であった。 また、このシステムは71.16パーセントのパフォーマンスを持つ医療提供者数を推定している。 結論: 提案した物体検出・追跡システムは, 騒々しい新生児の蘇生ビデオに有望な結果をもたらす。 意味:これは新生児蘇生のエピソードを徹底的に分析する最初のステップであり、新生児蘇生活動の重要性と効果に関する重要な洞察を提供する。

関連論文リスト

• Advancing Newborn Care: Precise Birth Time Detection Using AI-Driven Thermal Imaging with Adaptive Normalization [1.101731711817642]
  本稿では,人工知能(AI)とサーマルイメージングの融合について検討し,第1次AI駆動型バース検出器の開発について述べる。 まず,ガウス混合モデル(GMM)に基づく適応正規化手法を提案し,温度変動に関する問題を緩和する。 熱フレーム内での新生児の検出において、88.1%の精度と89.3%のリコールが報告されている。
  論文  参考訳（メタデータ） (2024-10-14T13:20:51Z)
• Dynamic Gaussian Splatting from Markerless Motion Capture can Reconstruct Infants Movements [2.44755919161855]
  本研究は,多様な臨床集団に適用可能な高度な運動分析ツールの道を開くものである。 マーカーレスモーションキャプチャーデータに対する動的ガウススプラッティングの適用について検討した。 以上の結果から,この手法が乳幼児の情景を表現し,乳幼児の動きを追跡できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-30T11:09:39Z)
• Automatic Infant Respiration Estimation from Video: A Deep Flow-based Algorithm and a Novel Public Benchmark [10.097634735211654]
  本研究では,自然環境下での映像から呼吸速度と波形を推定する深層学習法を開発した。 本モデルでは,125本のビデオによる乳幼児呼吸データセットを作成した。 乳児のAIR-125データを用いて訓練, 試験を行ったところ, 呼吸速度推定における他の最先端手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-07-24T19:59:15Z)
• Activity Recognition From Newborn Resuscitation Videos [3.54339629317433]
  タンザニアのヘイドムで、ビデオを含む新生児の蘇生中に記録された信号のデータセットが収集された。 新生児の蘇生時に活動認識を行うための2段階のディープニューラルネットワークシステムORAA-netを提案する。 このシステムは、新生児の活動、刺激、換気、吸引を平均精度77.67 %、平均リコール77,64 %、平均精度92.40 %と認識した。
  論文  参考訳（メタデータ） (2023-03-14T11:04:32Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• 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)
• Deep learning in the ultrasound evaluation of neonatal respiratory status [11.308283140003676]
  肺超音波検査は科学界から関心を集めている。 画像解析とパターン認識のアプローチは、これらのデータに含まれる豊富な情報を十分に活用できることを証明している。 本稿では、近年のディープラーニングネットワークと、大規模かつ挑戦的なマルチセンターデータセット上で実施されているトレーニング戦略について、徹底的に分析する。
  論文  参考訳（メタデータ） (2020-10-31T18:57:55Z)
• Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs [49.32653090178743]
  畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。 CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。 深層学習に基づく手法が古典的アプローチより優れていることが実証された。
  論文  参考訳（メタデータ） (2020-08-05T08:49:20Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)
• ZSTAD: Zero-Shot Temporal Activity Detection [107.63759089583382]
  本研究では,ゼロショット時間的活動検出(ZSTAD)と呼ばれる新たなタスク設定を提案する。 このソリューションのアーキテクチャとして,R-C3Dに基づくエンドツーエンドのディープネットワークを設計する。 THUMOS14とCharadesデータセットの両方の実験は、目に見えない活動を検出するという点で有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2020-03-12T02:40:36Z)

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。