論文の概要: Assessment and treatment of visuospatial neglect using active learning
with Gaussian processes regression
- arxiv url: http://arxiv.org/abs/2310.13701v1
- Date: Fri, 29 Sep 2023 09:18:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-29 16:14:18.172186
- Title: Assessment and treatment of visuospatial neglect using active learning
with Gaussian processes regression
- Title（参考訳）: ガウス過程回帰を用いた能動的学習による視床無視の評価と治療
- Authors: Ivan De Boi, Elissa Embrechts, Quirine Schatteman, Rudi Penne, Steven
Truijen, Wim Saeys
- Abstract要約: 視空間無視は、空間と参照フレームの領域に位置する視覚刺激に対する認識障害によって特徴づけられる障害である。
本稿では,患者の空間的無視を三次元的に正確に評価する人工知能ソリューションを提案する。
- 参考スコア（独自算出の注目度）: 0.3262230127283452
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visuospatial neglect is a disorder characterised by impaired awareness for
visual stimuli located in regions of space and frames of reference. It is often
associated with stroke. Patients can struggle with all aspects of daily living
and community participation. Assessment methods are limited and show several
shortcomings, considering they are mainly performed on paper and do not
implement the complexity of daily life. Similarly, treatment options are sparse
and often show only small improvements. We present an artificial intelligence
solution designed to accurately assess a patient's visuospatial neglect in a
three-dimensional setting. We implement an active learning method based on
Gaussian process regression to reduce the effort it takes a patient to undergo
an assessment. Furthermore, we describe how this model can be utilised in
patient oriented treatment and how this opens the way to gamification,
tele-rehabilitation and personalised healthcare, providing a promising avenue
for improving patient engagement and rehabilitation outcomes. To validate our
assessment module, we conducted clinical trials involving patients in a
real-world setting. We compared the results obtained using our AI-based
assessment with the widely used conventional visuospatial neglect tests
currently employed in clinical practice. The validation process serves to
establish the accuracy and reliability of our model, confirming its potential
as a valuable tool for diagnosing and monitoring visuospatial neglect. Our VR
application proves to be more sensitive, while intra-rater reliability remains
high.
- Abstract（参考訳）: visuospatial neglectは、空間とフレームの領域に位置する視覚刺激に対する認識を損なうことで特徴づけられる障害である。
しばしば脳卒中と関係がある。
患者は日々の生活とコミュニティ参加のあらゆる側面に苦しむことができる。
評価方法は限定的で,主に紙上で実施され,日常生活の複雑さを実践していないため,いくつかの欠点がある。
同様に、治療オプションは乏しく、しばしば小さな改善しか示さない。
本稿では,患者の空間的無視を三次元的に正確に評価する人工知能ソリューションを提案する。
ガウス過程回帰に基づくアクティブラーニング手法を実装し,患者が評価を行うのに要する労力を削減する。
さらに, このモデルが患者指向治療にどのように活用され, どのようにしてゲーミフィケーション, 遠隔リハビリテーション, パーソナライズ医療への道を開くかを説明し, 患者のエンゲージメントとリハビリテーションの成果を改善するための有望な道筋を提供する。
評価モジュールを検証するため,実世界の患者を対象とした臨床試験を実施した。
本研究は,aiを用いた評価と,現在臨床で用いられている従来型視床無視検査との比較を行った。
検証プロセスはモデルの精度と信頼性の確立に役立ち、空間的無視を診断・監視するための貴重なツールとしての可能性を確認する。
私たちのVRアプリケーションは、より敏感であることが証明されています。
関連論文リスト
- Automated Scoring of Clinical Patient Notes using Advanced NLP and
Pseudo Labeling [2.711804338865226]
本研究では,最先端自然言語処理(NLP)技術を活用したアプローチを提案する。
提案手法は効率と有効性を向上し,性能を損なうことなくトレーニング時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-01-18T05:17:18Z) - 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) - Deep Attention Q-Network for Personalized Treatment Recommendation [1.6631602844999724]
パーソナライズされた治療レコメンデーションのためのDeep Attention Q-Networkを提案する。
深い強化学習フレームワーク内のTransformerアーキテクチャは、過去のすべての患者の観察を効率的に取り入れている。
実世界の敗血症と急性低血圧コホートにおけるモデルの評価を行い、最先端モデルよりも優れていることを示した。
論文 参考訳（メタデータ） (2023-07-04T07:00:19Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z) - Easing Automatic Neurorehabilitation via Classification and Smoothness
Analysis [1.44744639843118]
本稿では,浅い深層学習アーキテクチャを用いて患者の動作を認識することから始まる自動評価パイプラインを提案する。
この研究の特筆すべき点は、Fugl-Meyerからインスパイアされた動きを、脳卒中患者によく見られる上肢臨床脳卒中評価尺度として表現するため、使用されるデータセットが臨床的に関連している点である。
本研究は, リハビリテーションセッションにおける患者の経過について, 臨床医の所見に応じた結論を得るとともに, 平滑性の観点から, 健常者と患者の運動のコントラストを検出することが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-12-09T13:59:14Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳（メタデータ） (2022-09-14T15:33:30Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳（メタデータ） (2022-06-16T17:59:05Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - 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) - Unifying Cardiovascular Modelling with Deep Reinforcement Learning for
Uncertainty Aware Control of Sepsis Treatment [0.2399911126932526]
血管抑制剤および流動管理のための作戦で普遍的に合意がありません。
セプシスはICUの主要な死亡原因であり、すべての入院の6%と米国の病院内死亡の35%を担当しています。
本稿では,数学モデリング,深層学習,強化学習,不確実性定量化の補完的強みを活用し,統一する新しい手法を提案する。
論文 参考訳（メタデータ） (2021-01-21T07:32:02Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳（メタデータ） (2020-02-10T20:47:36Z)
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。