論文の概要: VAE-IF: Deep feature extraction with averaging for unsupervised artifact
detection in routine acquired ICU time-series
- arxiv url: http://arxiv.org/abs/2312.05959v1
- Date: Sun, 10 Dec 2023 18:03:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 17:51:53.241958
- Title: VAE-IF: Deep feature extraction with averaging for unsupervised artifact
detection in routine acquired ICU time-series
- Title（参考訳）: VAE-IF:定期取得ICU時系列における非教師なしアーティファクト検出のための平均化による深部特徴抽出
- Authors: Hollan Haule, Ian Piper, Patricia Jones, Chen Qin, Tsz-Yan Milly Lo,
and Javier Escudero
- Abstract要約: 本稿では,事前のラベル付けや信号固有知識を使わずに,微細分解能ICUデータ中のアーティファクトを検出するための教師なし手法を提案する。
提案手法は,変分オートエンコーダ(VAE)とアイフォレスト(iForest)モデルを組み合わせて特徴を学習し,異常を同定する。
提案手法は, 同等の感度を達成し, 外部データセットによく適合することを示す。
- 参考スコア（独自算出の注目度）: 1.9665926763554147
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artifacts are a common problem in physiological time-series data collected
from intensive care units (ICU) and other settings. They affect the quality and
reliability of clinical research and patient care. Manual annotation of
artifacts is costly and time-consuming, rendering it impractical. Automated
methods are desired. Here, we propose a novel unsupervised approach to detect
artifacts in clinical-standard minute-by-minute resolution ICU data without any
prior labeling or signal-specific knowledge. Our approach combines a
variational autoencoder (VAE) and an isolation forest (iForest) model to learn
features and identify anomalies in different types of vital signs, such as
blood pressure, heart rate, and intracranial pressure. We evaluate our approach
on a real-world ICU dataset and compare it with supervised models based on long
short-term memory (LSTM) and XGBoost. We show that our approach achieves
comparable sensitivity and generalizes well to an external dataset. We also
visualize the latent space learned by the VAE and demonstrate its ability to
disentangle clean and noisy samples. Our approach offers a promising solution
for cleaning ICU data in clinical research and practice without the need for
any labels whatsoever.
- Abstract（参考訳）: アーティファクトは集中治療ユニット(icu)やその他の設定から収集された生理時系列データにおいて一般的な問題である。
臨床研究と患者のケアの質と信頼性に影響を及ぼす。
アーティファクトのマニュアルアノテーションは費用がかかり、時間がかかり、実用的ではない。
自動化された方法が望ましい。
本稿では,先行ラベルや信号固有の知識を必要とせず,臨床標準分単位のicuデータからアーティファクトを検出するための新しい教師なし手法を提案する。
このアプローチでは,変動型オートエンコーダ(vae)と孤立林(iforest)モデルを組み合わせて,血圧,心拍数,頭蓋内圧など,さまざまな生命徴候の特徴を学習し,異常を同定する。
我々は、実世界のICUデータセットに対するアプローチを評価し、長期記憶(LSTM)とXGBoostに基づく教師付きモデルと比較する。
提案手法は, 同等の感度を達成し, 外部データセットによく適合することを示す。
また,vaeが学習した潜在空間を可視化し,クリーンでノイズの多いサンプルを分離する能力を示す。
本手法は,臨床研究や実践において,ラベルを一切必要とせずにICUデータをクリーニングする,有望なソリューションを提供する。
関連論文リスト
- A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - PACMAN: a framework for pulse oximeter digit detection and reading in a
low-resource setting [0.42897826548373363]
新型コロナウイルスのパンデミックを受けて、患者は毎日の酸素飽和度(SpO2)とパルスレート(PR)値を健康モニタリングシステムに手動で入力する必要がある。
光文字認識(OCR)を用いた捕獲画像からの生理的価値の検出の試み
本研究の目的は,低リソース深層学習型コンピュータビジョンを用いたPACMANという新しいフレームワークを提案することである。
論文 参考訳（メタデータ） (2022-12-09T16:22:28Z) - VAESim: A probabilistic approach for self-supervised prototype discovery [0.23624125155742057]
条件付き変分オートエンコーダに基づく画像階層化アーキテクチャを提案する。
我々は、連続した潜伏空間を用いて障害の連続を表現し、訓練中にクラスターを見つけ、画像/患者の成層に使用することができる。
本手法は,標準VAEに対して,分類タスクで測定されたkNN精度において,ベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-09-25T17:55:31Z) - Application of federated learning techniques for arrhythmia
classification using 12-lead ECG signals [0.11184789007828977]
この作業では、フェデレートラーニング(FL)プライバシ保護方法論を使用して、高定義のECGの異種集合上でAIモデルをトレーニングする。
CL, IID, 非IIDアプローチを用いて訓練したモデルと比較した。
論文 参考訳（メタデータ） (2022-08-23T14:21:16Z) - Federated Cycling (FedCy): Semi-supervised Federated Learning of
Surgical Phases [57.90226879210227]
FedCyは、FLと自己教師付き学習を組み合わせた半教師付き学習(FSSL)手法で、ラベル付きビデオとラベルなしビデオの両方の分散データセットを利用する。
外科的段階の自動認識作業において,最先端のFSSL法よりも顕著な性能向上を示した。
論文 参考訳（メタデータ） (2022-03-14T17:44:53Z) - Hybrid Artifact Detection System for Minute Resolution Blood Pressure
Signals from ICU [1.8374319565577155]
本稿では, 変分オートエンコーダと統計的検出成分を組み合わせたハイブリッド人工物検出システムについて検討する。
予備的な結果は,90%を超える感度と特異度を連続的に達成できることを示唆している。
論文 参考訳（メタデータ） (2022-03-11T14:36:52Z) - 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) - Improved Slice-wise Tumour Detection in Brain MRIs by Computing
Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。
本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。
本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文 参考訳（メタデータ） (2020-07-24T14:02:09Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳（メタデータ） (2020-03-11T00:22:50Z) - DeepBeat: A multi-task deep learning approach to assess signal quality
and arrhythmia detection in wearable devices [0.0]
我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。
我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。
2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
論文 参考訳（メタデータ） (2020-01-01T07:41:28Z)
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。