論文の概要: NRTS: A Client-Server architecture for supporting data recording, transmission and evaluation of multidisciplinary teams during the neonatal resuscitation simulation scenario

• arxiv url: http://arxiv.org/abs/2304.09860v1
• Date: Wed, 12 Apr 2023 07:36:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-23 04:07:16.194066
• Title: NRTS: A Client-Server architecture for supporting data recording, transmission and evaluation of multidisciplinary teams during the neonatal resuscitation simulation scenario
• Title（参考訳）: nrts: 新生児蘇生シミュレーションシナリオにおける複数学際チームのデータ記録,送信,評価を支援するクライアントサーバアーキテクチャ
• Authors: Manuel Striani
• Abstract要約: このモバイルアプリでは、カザレ・モンフェラート小児病院(イタリア)の新生児集中治療室(NICU)からピエモンテオリエンタル大学(イタリア)のサーバーに記録されたすべてのデータを自動送信することができる。 医療インストラクターは、シミュレーションシナリオに関わる複数の学際的なチームの評価のために、デブリーフィングフェーズで使用されるシミュレーションエクササイズに関する統計を見ることができる。
• 参考スコア（独自算出の注目度）: 0.2741266294612775
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this technical report, we describe Neonatal Resuscitation Training Simulator (NRTS), an Android mobile app designed to support medical experts to input, transmit and record data during a High-Fidelity Simulation course for neonatal resuscitation. This mobile app allows one to automatically send all the recorded data from "Neonatal Intensive Care Unit" (NICU) of Casale Monferrato Children's Hospital, (Italy) to a server located at the Department of Science and Technological Innovation (DiSIT), University of Piemonte Orientale (Italy). Finally, the medical instructor can view statistics on a simulation exercise that may be used during the de-briefing phase for the evaluation of multidisciplinary teams involved in the simulation scenarios.
• Abstract（参考訳）: 本報告では,新生児蘇生訓練シミュレータ(nrts)について述べる。これは,新生児蘇生のための高忠実度シミュレーションコース中に医療専門家がデータを入力,送信,記録することを支援するandroidモバイルアプリである。 このモバイルアプリは、casale monferrato小児病院(イタリア)の"neonatal intensive care unit"(nicu)から、piemonte orientale大学(イタリア)科学技術イノベーション科(disit)のサーバーに記録されたすべてのデータを自動的に送信することができる。 最後に、医療インストラクターは、シミュレーションシナリオに関わる複数の学際チームの評価のために、デブリーフィングフェーズで使用されるかもしれないシミュレーション演習の統計を見ることができる。

関連論文リスト

• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• Automated Generation of High-Quality Medical Simulation Scenarios Through Integration of Semi-Structured Data and Large Language Models [0.0]
  本研究では,半構造化データとLarge Language Models(LLMs)を統合することにより,医学教育の変革的枠組みを導入する。 提案手法はAIを用いて、特定の教育目的に合わせて、詳細な、臨床的に関係のあるシナリオを効率的に生成する。
  論文  参考訳（メタデータ） (2024-04-30T17:06:11Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• BESTMVQA: A Benchmark Evaluation System for Medical Visual Question Answering [8.547600133510551]
  本稿では,BESTMVQAで表される医用視覚質問応答のベンチマーク評価SysTemを開発する。 本システムは,Med-VQAデータセットを自動構築する上で有用なツールを提供する。 簡単な構成で、ベンチマークデータセット上で選択したモデルを自動でトレーニングし、評価する。
  論文  参考訳（メタデータ） (2023-12-13T03:08:48Z)
• Summarizing Patients Problems from Hospital Progress Notes Using Pre-trained Sequence-to-Sequence Models [9.879960506853145]
  問題リストの要約には、臨床文書を理解し、抽象化し、生成するモデルが必要である。 当科では,入院時に提供者の進捗記録からの入力を用いて,患者の日常診療計画における問題点のリストを作成することを目的とした,新たなNLPタスクを提案する。
  論文  参考訳（メタデータ） (2022-08-17T17:07:35Z)
• Unsupervised pre-training of graph transformers on patient population graphs [48.02011627390706]
  異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。 自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
  論文  参考訳（メタデータ） (2022-07-21T16:59:09Z)
• BERT WEAVER: Using WEight AVERaging to enable lifelong learning for transformer-based models in biomedical semantic search engines [49.75878234192369]
  We present WEAVER, a simple, yet efficient post-processing method that infuse old knowledge into the new model。 WEAVERを逐次的に適用すると、同じ単語の埋め込み分布が、一度にすべてのデータに対する総合的なトレーニングとして得られることを示す。
  論文  参考訳（メタデータ） (2022-02-21T10:34:41Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)
• Multi-domain Clinical Natural Language Processing with MedCAT: the Medical Concept Annotation Toolkit [5.49956798378633]
  オープンソースMedical Concept EHR Toolkit(MedMedCAT)について紹介する。 UMLS/SNOMED-CTを含む任意の概念語彙を用いて概念を抽出するための、新しい自己教師型機械学習アルゴリズムを提供する。 オープンデータセットからUMLS概念を抽出する際の性能改善を示す。 SNOMED-CTの実際の検証は、ロンドンの3大病院で、17万件の臨床記録から8.8Bワード以上の自己監督訓練が実施されている。
  論文  参考訳（メタデータ） (2020-10-02T19:01:02Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)

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。