論文の概要: Responsible Deep Learning for Software as a Medical Device
- arxiv url: http://arxiv.org/abs/2312.13333v1
- Date: Wed, 20 Dec 2023 18:12:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 17:02:34.310460
- Title: Responsible Deep Learning for Software as a Medical Device
- Title（参考訳）: 医療機器としてのソフトウェアのための責任あるディープラーニング
- Authors: Pratik Shah, Jenna Lester, Jana G Deflino, Vinay Pai
- Abstract要約: このワークショップ論文の拡張版は、2022年IEEE 19th International Symposium on Biomedical Imagingの特別セッションで発表された。
カリフォルニア大学教授による機械学習と臨床研究の戦略と機会を説明する。
皮膚(RGB)、組織生検(デジタル病理)、肺および腎臓(磁気共鳴、X線、CT)のAI/MLモデルの性能評価について検討した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Tools, models and statistical methods for signal processing and medical image
analysis and training deep learning models to create research prototypes for
eventual clinical applications are of special interest to the biomedical
imaging community. But material and optical properties of biological tissues
are complex and not easily captured by imaging devices. Added complexity can be
introduced by datasets with underrepresentation of medical images from races
and ethnicities for deep learning, and limited knowledge about the regulatory
framework needed for commercialization and safety of emerging Artificial
Intelligence (AI) and Machine Learning (ML) technologies for medical image
analysis. This extended version of the workshop paper presented at the special
session of the 2022 IEEE 19th International Symposium on Biomedical Imaging,
describes strategy and opportunities by University of California professors
engaged in machine learning (section I) and clinical research (section II), the
Office of Science and Engineering Laboratories (OSEL) section III, and
officials at the US FDA in Center for Devices & Radiological Health (CDRH)
section IV. Performance evaluations of AI/ML models of skin (RGB), tissue
biopsy (digital pathology), and lungs and kidneys (Magnetic Resonance, X-ray,
Computed Tomography) medical images for regulatory evaluations and real-world
deployment are discussed.
- Abstract（参考訳）: 信号処理や医用画像解析、ディープラーニングモデルのトレーニングのためのツール、モデル、統計手法が、臨床応用のための研究プロトタイプを作成することは、バイオメディカルイメージングコミュニティに特に関心を寄せている。
しかし、生体組織の物質と光学的性質は複雑であり、イメージング装置で簡単には捉えられない。
深層学習のための人種や民族からの医療画像の過剰表現と、新興人工知能(ai)と医療画像分析のための機械学習(ml)技術の商業化と安全性に必要な規制フレームワークに関する限られた知識を持つデータセットによって、さらに複雑さが導入された。
2022年IEEE 19th International Symposium on Biomedical Imagingの特別セッションで発表されたワークショップ論文の拡張版では、機械学習(第1節)と臨床研究(第2節)、科学工学研究所(OSEL)第III節、および米国食品医薬品局(FDA)のCDRH(Center for Devices & Radiological Health)第IV節の職員による戦略と機会が説明されている。
皮膚(rgb)、組織生検(デジタル病理)、肺および腎臓(磁気共鳴、x線、ct)の医療画像の規制評価と実際の展開に関する性能評価について検討した。
関連論文リスト
- Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。
本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。
その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
論文 参考訳（メタデータ） (2024-10-31T19:48:50Z) - Deep Learning Applications in Medical Image Analysis: Advancements, Challenges, and Future Directions [0.0]
人工知能のサブセットであるディープラーニングの最近の進歩は、医療画像の分析に大きな革命をもたらした。
CNNは多次元医用画像から自律的に学習する能力に顕著な能力を示した。
これらのモデルは、病理学、放射線学、眼科、心臓学など、様々な医学分野に利用されてきた。
論文 参考訳（メタデータ） (2024-10-18T02:57:14Z) - Practical Applications of Advanced Cloud Services and Generative AI Systems in Medical Image Analysis [17.4235794108467]
本稿では、医用画像における生成AIの変換可能性について考察し、合成ACM-2データを生成する能力を強調した。
データセットのサイズと多様性の制限に対処することにより、これらのモデルはより正確な診断と患者の結果の改善に寄与する。
論文 参考訳（メタデータ） (2024-03-26T09:55:49Z) - AutoML Systems For Medical Imaging [5.581919089808456]
医用画像解析における機械学習の統合は、医師が提供した医療の質を大幅に向上させる。
自動機械学習アプローチは、カスタム画像認識モデルの作成を簡単にする。
医療画像技術は、診断や手続き目的のために、内臓や身体部分のイメージを非侵襲的に作成するために用いられる。
論文 参考訳（メタデータ） (2023-06-07T19:57:07Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳（メタデータ） (2022-12-06T05:30:22Z) - Computer Vision on X-ray Data in Industrial Production and Security
Applications: A survey [89.45221564651145]
本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。
公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
論文 参考訳（メタデータ） (2022-11-10T13:37:36Z) - Computer-Assisted Analysis of Biomedical Images [1.0116577992023341]
本論文は, バイオメディカル画像解析のための新しい, 先進的なコンピュータ支援手法を提案することを目的とする。
これらの研究の最終的な目標は、臨床および生物学的に有用な知見を得て、鑑別診断と治療を導くことである。
論文 参考訳（メタデータ） (2021-06-04T21:59:48Z) - Medical Imaging and Machine Learning [16.240472115235253]
2018年に国立衛生研究所は、医療画像における人工知能の未来における重要な焦点領域を特定した。
データ可用性、新しいコンピューティングアーキテクチャと説明可能なAIアルゴリズムの必要性は、いまだに関係している。
本稿では,高次元臨床画像データに特有の課題について考察するとともに,技術的・倫理的考察を紹介する。
論文 参考訳（メタデータ） (2021-03-02T18:53:39Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳（メタデータ） (2020-10-07T08:36:44Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Review of Artificial Intelligence Techniques in Imaging Data
Acquisition, Segmentation and Diagnosis for COVID-19 [71.41929762209328]
新型コロナウイルス感染症(COVID-19)のパンデミックは世界中に広がっている。
X線やCT(Computerd Tomography)などの医用画像は、世界的な新型コロナウイルス対策に欠かせない役割を担っている。
最近登場した人工知能(AI)技術は、画像ツールの力を強化し、医療専門家を支援する。
論文 参考訳（メタデータ） (2020-04-06T15:21:34Z)
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。