論文の概要: Leveraging cough sounds to optimize chest x-ray usage in low-resource
settings
- arxiv url: http://arxiv.org/abs/2402.08789v1
- Date: Tue, 13 Feb 2024 20:54:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-15 17:45:28.987314
- Title: Leveraging cough sounds to optimize chest x-ray usage in low-resource
settings
- Title（参考訳）: 低リソース環境における胸部x線利用の最適化
- Authors: Alexander Philip, Sanya Chawla, Lola Jover, George P. Kafentzis, Joe
Brew, Vishakh Saraf, Shibu Vijayan, Peter Small, Carlos Chaccour
- Abstract要約: インド・ビハール州プルニアのクリスチャン・メディカル・センターと病院で胸部X線検査を行った137例について前向きに収集した。
それぞれの患者は放射線治療中に少なくとも5つのうっ血を投与した。
胸部X線異常を予測するために, 3つのモデルを開発し, 試験し, 比較した。
- 参考スコア（独自算出の注目度）: 35.63955045151504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chest X-ray is a commonly used tool during triage, diagnosis and management
of respiratory diseases. In resource-constricted settings, optimizing this
resource can lead to valuable cost savings for the health care system and the
patients as well as to and improvement in consult time. We used
prospectively-collected data from 137 patients referred for chest X-ray at the
Christian Medical Center and Hospital (CMCH) in Purnia, Bihar, India. Each
patient provided at least five coughs while awaiting radiography. Collected
cough sounds were analyzed using acoustic AI methods. Cross-validation was done
on temporal and spectral features on the cough sounds of each patient. Features
were summarized using standard statistical approaches. Three models were
developed, tested and compared in their capacity to predict an abnormal result
in the chest X-ray. All three methods yielded models that could discriminate to
some extent between normal and abnormal with the logistic regression performing
best with an area under the receiver operating characteristic curves ranging
from 0.7 to 0.78. Despite limitations and its relatively small sample size,
this study shows that AI-enabled algorithms can use cough sounds to predict
which individuals presenting for chest radiographic examination will have a
normal or abnormal results. These results call for expanding this research
given the potential optimization of limited health care resources in low- and
middle-income countries.
- Abstract（参考訳）: 胸部X線は、呼吸器疾患のトリアージ、診断、管理において一般的に用いられる道具である。
リソース制限設定では、このリソースを最適化することで、医療システムや患者にとって貴重なコスト削減と、コンサルティング時間の改善につながる可能性がある。
インドのビハール州パーニアにあるキリスト教医療センター(cmch)にて,胸部x線検査を施行した137例について,前向きに収集したデータを用いた。
それぞれの患者は、x線撮影を待っている間に少なくとも5回せきを行った。
音響AI法を用いて, 集音音の解析を行った。
クロス・バリデーションは,各症例のうつ音の時間的特徴とスペクトル的特徴について行った。
特徴は標準的な統計手法で要約された。
胸部X線異常を予測するために, 3つのモデルを開発し, 試験し, 比較した。
これら3つの手法は、通常値と異常値のある程度の差を、受信側が0.7から0.78までの特性曲線を演算する領域で最適に再現できるモデルを得た。
制限と比較的小さなサンプルサイズにもかかわらず、この研究は、AI対応のアルゴリズムが、胸部X線検査で提示される個人が正常または異常な結果をもたらすかを予測するために、うず音を使用できることを示している。
これらの結果は、低所得国と中所得国における限られた医療資源の最適化の可能性を考慮し、この研究を拡大することを目指している。
関連論文リスト
- Multi-modal AI for comprehensive breast cancer prognostication [18.691704371847855]
そこで我々は,新しいAI手法を用いて,デジタル病理と臨床特性に基づく乳癌患者層化試験を開発した。
この検査は15のコホートにまたがる8,161人の乳癌患者のデータを用いて開発・評価された。
その結果、我々のAIテストは精度を向上し、幅広い患者に適用性を高め、治療選択ツールへのアクセスを向上させることが示唆された。
論文 参考訳（メタデータ） (2024-10-28T17:54:29Z) - Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。
AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文 参考訳（メタデータ） (2024-03-27T16:56:14Z) - Validated respiratory drug deposition predictions from 2D and 3D medical
images with statistical shape models and convolutional neural networks [47.187609203210705]
患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。
2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
論文 参考訳（メタデータ） (2023-03-02T07:47:07Z) - AI-based software for lung nodule detection in chest X-rays -- Time for
a second reader approach? [0.0]
日本放射線技術学会データベースを解析した。
AIモード -- 自動化とアシスト -- は、平均的な感度向上を生み出した。
どちらのAIモードも、放射線技師が見逃した肺結節をかなりの数の症例でフラグ付けした。
論文 参考訳（メタデータ） (2022-06-22T08:35:04Z) - Debiasing pipeline improves deep learning model generalization for X-ray
based lung nodule detection [11.228544549618068]
肺がんは世界中でがん死の主要な原因であり、予後は早期診断に依存している。
胸部X線像を均質化し,除染する画像前処理パイプラインは,内部分類と外部一般化の両方を改善することができることを示す。
進化的プルーニング機構は、一般に利用可能な肺結節X線データセットから最も情報性の高い画像に基づいて結節検出深層学習モデルを訓練するために用いられる。
論文 参考訳（メタデータ） (2022-01-24T10:08:07Z) - CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19
Patients Using Deep Learning [133.87426554801252]
我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。
本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
論文 参考訳（メタデータ） (2021-05-25T12:06:55Z) - Artificial Intelligence applied to chest X-Ray images for the automatic
detection of COVID-19. A thoughtful evaluation approach [0.0]
論文では、79,500枚以上のX線画像のデータセットで畳み込みニューラルネットワークをトレーニングするプロセスについて述べる。
採用手法では、91.5%の分類精度が得られ、最悪のものの最も説明可能な実験に対する平均リコールは87.4%である。
論文 参考訳（メタデータ） (2020-11-29T02:48:39Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - 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) - CheXpedition: Investigating Generalization Challenges for Translation of
Chest X-Ray Algorithms to the Clinical Setting [4.781964929315763]
我々は、CheXpertチャレンジリーダーボードの上位10のモデルのパフォーマンスについて検討する。
その結果,トップ10の胸部X線モデルでは,2つのパブリックTBデータセット上でTBを検出するタスクにおいて平均0.851のAUCが得られることがわかった。
第2に、X線写真におけるモデルの平均性能(AUC = 0.916)は、元の胸部X線画像と類似していることが判明した。
第三に、外部データセットでテストされたモデルが、放射線学者の平均的な性能と互換性があるか、超えるかのどちらかであることがわかった。
論文 参考訳（メタデータ） (2020-02-26T09:44:21Z)
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。