論文の概要: Detection of Auditory Brainstem Response Peaks Using Image Processing
Techniques in Infants with Normal Hearing Sensitivity
- arxiv url: http://arxiv.org/abs/2401.17317v1
- Date: Sun, 21 Jan 2024 14:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-04 05:37:53.111013
- Title: Detection of Auditory Brainstem Response Peaks Using Image Processing
Techniques in Infants with Normal Hearing Sensitivity
- Title（参考訳）: 正常難聴児における画像処理による聴覚性脳幹反応ピークの検出
- Authors: Amir Majidpour, Samer Kais Jameel, Jafar Majidpour, Houra Bagheri,
Tarik A.Rashid, Ahmadreza Nazeri, Mahshid Moheb Aleaba
- Abstract要約: 聴覚性脳幹反応 (ABR) を測定し, 健常児における脳幹レベル末梢神経系の整合性について検討した。
異なる強度の波のピークを自動的に計算する新しい手法が提案されている(デシベル)
- 参考スコア（独自算出の注目度）: 3.5393170511164835
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Introduction: The auditory brainstem response (ABR) is measured to find the
brainstem-level peripheral auditory nerve system integrity in children having
normal hearing. The Auditory Evoked Potential (AEP) is generated using acoustic
stimuli. Interpreting these waves requires competence to avoid misdiagnosing
hearing problems. Automating ABR test labeling with computer vision may reduce
human error. Method: The ABR test results of 26 children aged 1 to 20 months
with normal hearing in both ears were used. A new approach is suggested for
automatically calculating the peaks of waves of different intensities (in
decibels). The procedure entails acquiring wave images from an Audera device
using the Color Thresholder method, segmenting each wave as a single wave image
using the Image Region Analyzer application, converting all wave images into
waves using Image Processing (IP) techniques, and finally calculating the
latency of the peaks for each wave to be used by an audiologist for diagnosing
the disease. Findings: Image processing techniques were able to detect 1, 3,
and 5 waves in the diagnosis field with accuracy (0.82), (0.98), and (0.98),
respectively, and its precision for waves 1, 3, and 5, were respectively
(0.32), (0.97) and (0.87). This evaluation also worked well in the thresholding
part and 82.7 % correctly detected the ABR waves. Conclusion: Our findings
indicate that the audiology test battery suite can be made more accurate,
quick, and error-free by using technology to automatically detect and label ABR
waves.
- Abstract（参考訳）: 序論: 正常聴覚児の脳幹レベルの末梢性聴覚神経系の完全性を見出すために、聴覚性脳幹反応(abr)を測定した。
聴覚誘発電位(AEP)は音響刺激によって生成される。
これらの波の解釈には聴覚障害の誤診を避ける能力が必要である。
コンピュータビジョンによるABRテストラベリングの自動化は、人間のエラーを減らす可能性がある。
方法: 両耳に正常な聴力を有する1～20ヵ月児26名を対象にABR試験を行った。
異なる強度(デシベル)の波のピークを自動的に計算する新しい手法が提案されている。
カラーしきい値法を用いてオーデラ装置から波画像を取得し、画像領域アナライザアプリケーションを用いて各波を単一の波画像に区分し、画像処理(ip)技術を用いて全波画像を波に変換し、最終的に、疾患診断に使用する各波のピークのレイテンシを算出する。
結果: 画像処理技術では, 診断領域の1, 3, 5波をそれぞれ精度(0.82), (0.98), および (0.98) で検出でき, その精度は1, 3, 5波(0.32), (0.97) および (0.87) であった。
この評価は閾値部でも良好に動作し、82.7%がABR波を正確に検出した。
結論:ABR波の自動検出・ラベル付け技術を用いて,音響検査用バッテリスイートをより正確,迅速,かつエラーのないものにできることを示す。
関連論文リスト
- Speckle Noise Reduction in Ultrasound Images using Denoising
Auto-encoder with Skip Connection [0.19116784879310028]
超音波画像は、しばしばスペックルノイズを含み、解像度とコントラスト-ノイズ比を下げることができる。
これにより、画像の特徴を抽出、認識、分析することがより困難になる。
研究者はいくつかのスペックル低減法を提案しているが、関連するすべての要因を考慮に入れた単一の手法は存在しない。
論文 参考訳（メタデータ） (2024-03-05T08:08:59Z) - Wavelet Analysis of Noninvasive EEG Signals Discriminates Complex and
Natural Grasp Types [0.16385815610837165]
本研究の目的は,脳波を用いた神経補綴器開発と脳-コンピュータ・インタフェース(BCI)の応用を目的とした脳波からの握手をデコードすることである。
論文 参考訳（メタデータ） (2024-01-31T23:13:38Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - Investigating Pulse-Echo Sound Speed Estimation in Breast Ultrasound
with Deep Learning [44.70495434283752]
In-phase および quadrature の超音波信号から音速を推定する深層学習手法を提案する。
準現実性乳房組織を生成する大規模超音波データセットを開発した。
シミュレーション,ファントム,乳房内超音波データを用いたモデルの評価を行った。
論文 参考訳（メタデータ） (2023-02-06T19:02:44Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Objective hearing threshold identification from auditory brainstem
response measurements using supervised and self-supervised approaches [1.0627340704073347]
平均ABR生データから聴力閾値の自動同定を行う2つの手法を開発し比較する。
両モデルが正常に動作し、人間の閾値検出より優れ、高速で信頼性が高く、偏りのない聴力閾値検出と品質制御に適していることを示す。
論文 参考訳（メタデータ） (2021-12-16T15:24:31Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳（メタデータ） (2021-10-12T21:22:24Z) - Improving Medical Image Classification with Label Noise Using
Dual-uncertainty Estimation [72.0276067144762]
医用画像における2種類のラベルノイズについて論じ,定義する。
医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-28T14:56:45Z) - Fully Automated Mitral Inflow Doppler Analysis Using Deep Learning [0.0]
エコー法で取得したMIドップラー画像のラベル付けに深層学習を利用する完全自動化ワークフローを提案する。
MIドップラー画像を含む24種類の画像クラスを予測するため,140例の5544画像に対して,様々な畳み込みニューラルネットワーク(CNN)モデルを訓練した。
論文 参考訳（メタデータ） (2020-11-24T22:27:14Z) - Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using
Image Sequence Classification [55.96221340756895]
前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。
本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。
マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。
このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
論文 参考訳（メタデータ） (2020-10-06T13:55:02Z) - 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。