論文の概要: Vesicoureteral Reflux Detection with Reliable Probabilistic Outputs

• arxiv url: http://arxiv.org/abs/2312.11355v1
• Date: Mon, 18 Dec 2023 17:10:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:19:37.861108
• Title: Vesicoureteral Reflux Detection with Reliable Probabilistic Outputs
• Title（参考訳）: 信頼性の高い確率アウトプットを用いた尿管逆流検出
• Authors: Harris Papadopoulos and George Anastassopoulos
• Abstract要約: VUR(Vesicoureteral Reflux)は、尿が膀胱から上尿道へ逆流する小児疾患である。 この研究は、VURを持つ特定の子供の条件付き確率に対して、下限と上限を提供するアプローチを提案することでさらに一歩前進する。
• 参考スコア（独自算出の注目度）: 0.6993026261767287
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Vesicoureteral Reflux (VUR) is a pediatric disorder in which urine flows backwards from the bladder to the upper urinary tract. Its detection is of great importance as it increases the risk of a Urinary Tract Infection, which can then lead to a kidney infection since bacteria may have direct access to the kidneys. Unfortunately the detection of VUR requires a rather painful medical examination, called voiding cysteourethrogram (VCUG), that exposes the child to radiation. In an effort to avoid the exposure to radiation required by VCUG some recent studies examined the use of machine learning techniques for the detection of VUR based on data that can be obtained without exposing the child to radiation. This work takes one step further by proposing an approach that provides lower and upper bounds for the conditional probability of a given child having VUR. The important property of these bounds is that they are guaranteed (up to statistical fluctuations) to contain well-calibrated probabilities with the only requirement that observations are independent and identically distributed (i.i.d.). Therefore they are much more informative and reliable than the plain yes/no answers provided by other techniques.
• Abstract（参考訳）: 膀胱尿管逆流(vesicoureteral reflux, vur)は、膀胱から上尿路へ尿が逆流する小児疾患である。 尿路感染症のリスクが高く、細菌が腎臓に直接アクセスする可能性があるため、腎臓感染症につながる可能性があるため、検出は極めて重要である。 残念なことに、VURの検出には、子どもに放射線を照射するVCUG(voking cysteourethrogram)と呼ばれる、かなり痛みを伴う医療検査が必要である。 VCUGが必要とする放射線への曝露を避けるために、近年の研究では、子どもを放射線に曝すことなく得られるデータに基づいて、VURの検出に機械学習技術を用いることを検討した。 この研究はさらに一歩進んで、vurを持つある子供の条件付き確率の下限と上限を提供するアプローチを提案している。 これらの境界の重要な特性は、観測が独立かつ同一に分布するという唯一の要件(すなわち、統計的なゆらぎによって)が十分に調整された確率を含むことが保証されていることである。 それゆえ、それらは他の手法によって提供される単純なyes/noの回答よりもずっと有益で信頼性が高い。

関連論文リスト

• Zero-Shot Pediatric Tuberculosis Detection in Chest X-Rays using Self-Supervised Learning [0.0]
  世界保健機関(WHO)は、TBスクリーニングのための胸部X線(CXR)を提唱している。 放射線医による視覚的解釈は、特に小児TBにおいて主観的、時間的、誤認しがちである。 本稿では,CXR における TB 検出を改善するために視覚変換器 (ViT) を利用した新たな自己監督パラダイムを提案する。
  論文  参考訳（メタデータ） (2024-02-22T17:55:18Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
  深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。 オープンソースデータのトレーニングやテストでは,結果は異例です。 データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
  論文  参考訳（メタデータ） (2021-09-14T10:59:11Z)
• Unsupervised Detection of Lung Nodules in Chest Radiography Using Generative Adversarial Networks [0.0]
  放射線検査における肺結節の非教師的異常検出手法であるP-AnoGANの提案と評価を行った。 P-AnoGANは、プログレッシブGANと畳み込みエンコーダ-デコーダ-エンコーダパイプラインを利用して、高速な異常検出生成対向ネットワーク(f-AnoGAN)を変更する。 ROC-AUCは91.17%, 87.89%であった。
  論文  参考訳（メタデータ） (2021-08-04T18:24:18Z)
• An interpretable object detection based model for the diagnosis of neonatal lung diseases using Ultrasound images [0.0]
  肺超音波(LUS)は新生児のさまざまな肺疾患の診断とモニタリングにますます利用されている。 異なる呼吸器疾患で見られる混合アーティファクトパターンは、オペレーターによるLUS可読性を制限する可能性がある。 そこで本研究では,特定の肺疾患と容易に関連付けることのできる7つの意義あるLUS特徴を抽出するためのユニークなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-21T01:12:35Z)
• COVID-19 Detection from Chest X-ray Images using Imprinted Weights Approach [67.05664774727208]
  胸部X線撮影は、COVID-19の代替スクリーニング方法です。 コンピュータ支援診断(CAD)は低コストで高速で実現可能であることが証明されている。 この課題に対処するために,インプリント重みという低ショット学習手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T19:01:40Z)
• Pinball-OCSVM for early-stage COVID-19 diagnosis with limited posteroanterior chest X-ray images [3.4935179780034247]
  本研究は、新型コロナウイルス陽性のCXRサンプルを限定した状態で動作可能な、ピンボール損失関数に基づく1クラスサポートベクターマシン(PB-OCSVM)を提案する。 提案モデルの性能は従来のOCSVMや既存のディープラーニングモデルと比較し,実験結果から,提案モデルが最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-10-16T02:34:15Z)
• Anomaly Detection Approach to Identify Early Cases in a Pandemic using Chest X-rays [3.9801611649762263]
  あらゆるパンデミックにおいて重要な段階は、予防的治療と戦略を開発するための早期発見である。 新型コロナウイルスの症例では、胸部X線撮影で特徴的な異常がみられた。 本稿では,畳み込み型および逆向きに訓練されたオートエンコーダを含む,教師なしの深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-06T15:21:31Z)
• Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
  肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。 コンピュータ支援診断システムは診断精度を向上させる可能性を示した。 本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
  論文  参考訳（メタデータ） (2020-05-28T10:54:34Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。