論文の概要: HDformer: A Higher Dimensional Transformer for Diabetes Detection
Utilizing Long Range Vascular Signals
- arxiv url: http://arxiv.org/abs/2303.11340v2
- Date: Tue, 31 Oct 2023 15:59:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 17:54:18.359268
- Title: HDformer: A Higher Dimensional Transformer for Diabetes Detection
Utilizing Long Range Vascular Signals
- Title（参考訳）: HDformer:長距離血管信号を利用した糖尿病検出用高次元トランス
- Authors: Ella Lan
- Abstract要約: 本稿では,長距離光胸腺造影(PPG)を用いて糖尿病を診断するトランスフォーマーを用いた新しいアーキテクチャを提案する。
HDformerは、標準MIMIC-IIIデータセット上で最先端の結果(感度98.4、精度97.3、特異度92.8、AUC 0.929)を達成する。
ローコストなウェアラブルをプロトタイプとして,モバイルアプリ経由でクラウド上のHDformerに接続する,エンドツーエンドソリューションを開発しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Diabetes mellitus is a global concern, and early detection can prevent
serious complications. 50% of people with diabetes live undiagnosed,
disproportionately afflicting low-income groups. Non-invasive methods have
emerged for timely detection; however, their limited accuracy constrains
clinical usage. In this research, we present a novel Higher-Dimensional
Transformer (HDformer), the first Transformer-based architecture which utilizes
long-range photoplethysmography (PPG) to detect diabetes. The long-range PPG
maximizes the signal contextual information when compared to the less-than 30
second signals commonly used in existing research. To increase the
computational efficiency of HDformer long-range processing, a new attention
module, Time Square Attention (TSA), is invented to reduce the volume of tokens
by more than 10x, while retaining the local/global dependencies. TSA converts
the 1D inputs into 2D representations, grouping the adjacent points into a
single 2D token. It then generates dynamic patches and feeds them into a gated
mixture-of-experts (MoE) network, optimizing the learning on different
attention areas. HDformer achieves state-of-the-art results (sensitivity 98.4,
accuracy 97.3, specificity 92.8, AUC 0.929) on the standard MIMIC-III dataset,
surpassing existing research. Furthermore, we develop an end-to-end solution
where a low-cost wearable is prototyped to connect with the HDformer in the
Cloud via a mobile app. This scalable, convenient, and affordable approach
provides instantaneous detection and continuous monitoring for individuals. It
aids doctors in easily screening for diabetes and safeguards underprivileged
communities. The enhanced versatility of HDformer allows for efficient
processing and learning of long-range signals in general one-dimensional
time-series sequences, particularly for all biomedical waveforms.
- Abstract（参考訳）: 糖尿病は世界的な懸念であり、早期発見は深刻な合併症を防ぐ可能性がある。
糖尿病患者の50%は未診断で、低所得層を悩ませている。
非侵襲的な方法がタイムリーな検出のために現れたが、その限られた精度は臨床応用に制約を与える。
本研究では, 糖尿病の診断にppg(long-range photoplethysmography)を利用する最初のトランスフォーマーであるhigher-dimensional transformer (hdformer)を提案する。
長距離PSGは、既存の研究でよく使われる30秒以下の信号と比較して、信号コンテキスト情報を最大化する。
HDformerの長距離処理の計算効率を高めるために、新しいアテンションモジュールであるTime Square Attention (TSA) が発明され、トークンの容量を10倍以上に削減し、ローカル/グローバルな依存関係を維持した。
TSAは1D入力を2D表現に変換し、隣接するポイントを1つの2Dトークンにグループ化する。
そして動的パッチを生成し、moe(gateed mixed-of-experts)ネットワークに入力し、異なる注意領域で学習を最適化する。
HDformerは標準的なMIMIC-IIIデータセットで最先端の結果(感度98.4、精度97.3、特異度92.8、AUC 0.929)を達成し、既存の研究を上回っている。
さらに,ローコストなウェアラブルをプロトタイプとして,モバイルアプリ経由でクラウド上のHDformerに接続する,エンドツーエンドソリューションを開発した。
このスケーラブルで便利で安価なアプローチは、個人に対する即時検出と継続的な監視を提供する。
糖尿病のスクリーニングや、未熟な地域社会の保護に役立つ。
hdformerの拡張された汎用性により、長距離信号の1次元時系列、特に全ての生体医学波形での効率的な処理と学習が可能になる。
関連論文リスト
- Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。
本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。
我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
論文 参考訳（メタデータ） (2024-07-19T13:33:38Z) - Calibrated Diverse Ensemble Entropy Minimization for Robust Test-Time Adaptation in Prostate Cancer Detection [4.123522672804104]
高分解能マイクロ超音波は、リアルタイム前立腺がん検出において有望であることを示す。
深層学習は、超音波に反映された複雑な組織特性を学習するための顕著なツールである。
データ分布の変化により,異なる臨床センターのデータに適用した場合,モデルの性能が低下することを示す。
論文 参考訳（メタデータ） (2024-07-17T16:20:10Z) - DDxT: Deep Generative Transformer Models for Differential Diagnosis [51.25660111437394]
より単純な教師付き学習信号と自己教師付き学習信号で訓練した生成的アプローチが,現在のベンチマークにおいて優れた結果が得られることを示す。
The proposed Transformer-based generative network, named DDxT, autoregressive produce a set of possible pathology,, i. DDx, and predicts the real pathology using a neural network。
論文 参考訳（メタデータ） (2023-12-02T22:57:25Z) - Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video
Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。
ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
論文 参考訳（メタデータ） (2023-10-05T07:48:55Z) - Machine Learning-Based Diabetes Detection Using Photoplethysmography
Signal Features [0.0]
糖尿病は世界中で何百万人もの人々の健康を損なう慢性疾患である。
そこで本研究では,非侵襲性光胸腺撮影による糖尿病検出の問題点を克服する別の方法を提案する。
PPG信号とアルゴリズムを用いて非糖尿病患者と糖尿病患者を分類し,ロジスティック回帰とeXtreme Gradient Boostingを訓練した。
以上の結果から,糖尿病の検出・予防のための遠隔・非侵襲・連続計測装置の開発に機械学習が期待できることが示唆された。
論文 参考訳（メタデータ） (2023-08-02T14:10:03Z) - 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) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳（メタデータ） (2022-11-12T23:28:54Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳（メタデータ） (2021-10-04T16:06:49Z) - Blindness (Diabetic Retinopathy) Severity Scale Detection [0.0]
糖尿病網膜症(英: Diabetic retinopathy, DR)は、糖尿病の重篤な合併症である。
DRのタイムリーな診断と治療は、視力の喪失を避けるために重要である。
本稿では,網膜基底画像の自動スクリーニングのための新しい深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-04T11:31:15Z) - Human Activity Recognition using Continuous Wavelet Transform and
Convolutional Neural Networks [0.0]
HAR(Human Activity Recognition)は、データサイエンスの分野である。
本稿では,HAR問題に対処する新しいワークフローを提案し,UniMiB SHARデータセット上で評価する。
我々は99.26パーセントの精度に達することに成功しており、この問題にふさわしいパフォーマンスである。
論文 参考訳（メタデータ） (2021-06-23T21:49:17Z)
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。