論文の概要: Towards using Cough for Respiratory Disease Diagnosis by leveraging
Artificial Intelligence: A Survey
- arxiv url: http://arxiv.org/abs/2309.14383v1
- Date: Sun, 24 Sep 2023 19:03:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 16:44:44.724359
- Title: Towards using Cough for Respiratory Disease Diagnosis by leveraging
Artificial Intelligence: A Survey
- Title(参考訳): 人工知能を活用した呼吸器疾患診断へのcoughの利用に向けて
- Authors: Aneeqa Ijaz, Muhammad Nabeel, Usama Masood, Tahir Mahmood, Mydah Sajid
Hashmi, Iryna Posokhova, Ali Rizwan, and Ali Imran
- Abstract要約: カフ音響には、呼吸系における病理形態学的変化に関する情報が多数含まれている。
人工知能(AI)の最近の応用と呼吸器疾患予測のためのユビキタスコンピューティングの進歩は、注目に値する傾向を生み出している。
機械学習(ML)とディープラーニング(DL)ベースの診断アルゴリズムは、コークスシグネチャを駆使して急速に流行している。
- 参考スコア(独自算出の注目度): 3.0911149532847375
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cough acoustics contain multitudes of vital information about
pathomorphological alterations in the respiratory system. Reliable and accurate
detection of cough events by investigating the underlying cough latent features
and disease diagnosis can play an indispensable role in revitalizing the
healthcare practices. The recent application of Artificial Intelligence (AI)
and advances of ubiquitous computing for respiratory disease prediction has
created an auspicious trend and myriad of future possibilities in the medical
domain. In particular, there is an expeditiously emerging trend of Machine
learning (ML) and Deep Learning (DL)-based diagnostic algorithms exploiting
cough signatures. The enormous body of literature on cough-based AI algorithms
demonstrate that these models can play a significant role for detecting the
onset of a specific respiratory disease. However, it is pertinent to collect
the information from all relevant studies in an exhaustive manner for the
medical experts and AI scientists to analyze the decisive role of AI/ML. This
survey offers a comprehensive overview of the cough data-driven ML/DL detection
and preliminary diagnosis frameworks, along with a detailed list of significant
features. We investigate the mechanism that causes cough and the latent cough
features of the respiratory modalities. We also analyze the customized cough
monitoring application, and their AI-powered recognition algorithms. Challenges
and prospective future research directions to develop practical, robust, and
ubiquitous solutions are also discussed in detail.
- Abstract(参考訳): coughアコースティックスには呼吸器系の病態変化に関する重要な情報が多く含まれている。
根底にある潜伏性特徴と疾患の診断を調査し、信頼性と精度の確認は、医療実践の活性化に欠かせない役割を担っている。
人工知能(AI)の最近の応用と、呼吸器疾患予測のためのユビキタスコンピューティングの進歩は、医療分野における目覚ましいトレンドと無数の将来可能性を生み出している。
特に、機械学習(ml)とディープラーニング(dl)ベースのcoughシグネチャを活用した診断アルゴリズムが急速に出現している。
AIアルゴリズムに関する膨大な文献は、これらのモデルが特定の呼吸器疾患の発症を検出する重要な役割を担っていることを示している。
しかし、医療専門家やAI科学者がAI/MLの決定的な役割を分析するために、関連するすべての研究から情報を徹底的に収集することが重要である。
このサーベイは、Coughデータ駆動型ML/DL検出および予備診断フレームワークの概要と、重要な機能の詳細なリストを提供する。
本研究は, 呼吸様相の枯渇, 潜伏を誘発するメカニズムについて検討した。
また、カスタマイズされたコークスモニタリングアプリケーションとそのAIによる認識アルゴリズムも分析する。
実用的で堅牢でユビキタスなソリューションを開発するための課題と今後の研究方向についても詳細に論じる。
関連論文リスト
- Knowledge-Informed Machine Learning for Cancer Diagnosis and Prognosis:
A review [2.2268038840298714]
バイオメディカルな知識とデータの融合を取り入れた最先端の機械学習研究について概説する。
機械学習パイプラインにおける知識表現の多様な形態と知識統合の現在の戦略について概説する。
論文 参考訳(メタデータ) (2024-01-12T07:01:36Z) - Leveraging A Medical Knowledge Graph into Large Language Models for
Diagnosis Prediction [7.5569033426158585]
自動診断におけるLarge Language Models (LLMs) の習熟度を高めるための革新的なアプローチを提案する。
我々は,国立医科大学統一医療言語システム(UMLS)からKGを抽出した。
我々のアプローチは説明可能な診断経路を提供し、AIによる診断決定支援システムの実現に近づいている。
論文 参考訳(メタデータ) (2023-08-28T06:05:18Z) - An objective validation of polyp and instrument segmentation methods in
colonoscopy through Medico 2020 polyp segmentation and MedAI 2021
transparency challenges [58.402720481042365]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳(メタデータ) (2023-07-30T16:08:45Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic
Reinforcement Learning [9.274138493400436]
医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。
これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。
生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-08T03:06:16Z) - Do it Like the Doctor: How We Can Design a Model That Uses Domain
Knowledge to Diagnose Pneumothorax [2.2141630212818306]
肺がん診断の解釈を専門とする医師による2つのシンク・アラウド研究を行い, 肺気胸の関連領域の知識を抽出した。
我々は知識工学の概念を応用し、神経性胸腺症を自動的に診断するためのAIモデル設計を推奨した。
論文 参考訳(メタデータ) (2022-05-24T15:42:43Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳(メタデータ) (2021-03-19T14:13:56Z) - Can Machine Learning Be Used to Recognize and Diagnose Coughs? [3.2265234594751155]
呼吸器感染症のスクリーニングには,低複雑性,自動認識,診断ツールが有用である。
コンボリューショナルニューラルネットワーク (CNN) を用いて, 環境音のコアを検出し, 3つの潜在的な疾患を診断する。
提案された検出モデルと診断モデルはどちらも精度が89%以上であり、計算効率も高い。
論文 参考訳(メタデータ) (2020-04-01T20:14:36Z)
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。