論文の概要: Mobile Application for Oral Disease Detection using Federated Learning
- arxiv url: http://arxiv.org/abs/2403.12044v1
- Date: Fri, 27 Oct 2023 16:41:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 07:56:27.261977
- Title: Mobile Application for Oral Disease Detection using Federated Learning
- Title(参考訳): フェデレートラーニングを用いた口腔疾患検出のモバイル応用
- Authors: Shankara Narayanan V, Sneha Varsha M, Syed Ashfaq Ahmed, Guruprakash J,
- Abstract要約: 対象物検出のためのフェデレートラーニング(FL)は,患者の口腔画像データの感度が高いため,本症例に有効である。
FLは、ローカルデバイスでオブジェクト検出に使用されるイメージを格納し、エッジ上でモデルをトレーニングすることで、データのプライバシを保証する。
我々はユーザフレンドリーなソリューションを提供するモバイルアプリOralHを開発した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The mouth, often regarded as a window to the internal state of the body, plays an important role in reflecting one's overall health. Poor oral hygiene has far-reaching consequences, contributing to severe conditions like heart disease, cancer, and diabetes, while inadequate care leads to discomfort, pain, and costly treatments. Federated Learning (FL) for object detection can be utilized for this use case due to the sensitivity of the oral image data of the patients. FL ensures data privacy by storing the images used for object detection on the local device and trains the model on the edge. The updated weights are federated to a central server where all the collected weights are updated via The Federated Averaging algorithm. Finally, we have developed a mobile app named OralH which provides user-friendly solutions, allowing people to conduct self-assessments through mouth scans and providing quick oral health insights. Upon detection of the issues, the application alerts the user about potential oral health concerns or diseases and provides details about dental clinics in the user's locality. Designed as a Progressive Web Application (PWA), the platform ensures ubiquitous access, catering to users across devices for a seamless experience. The application aims to provide state-of-the-art segmentation and detection techniques, leveraging the YOLOv8 object detection model to identify oral hygiene issues and diseases. This study deals with the benefits of leveraging FL in healthcare with promising real-world results.
- Abstract(参考訳): 口は身体の内部状態の窓と見なされることが多く、全身の健康を反映する重要な役割を担っている。
口腔衛生の悪化は、心臓病、がん、糖尿病などの重篤な疾患に寄与するが、不適切なケアは不快感、痛み、費用がかかる治療に繋がる。
対象物検出のためのフェデレートラーニング(FL)は,患者の口腔画像データの感度が高いため,本症例に有効である。
FLは、ローカルデバイスでオブジェクト検出に使用されるイメージを格納し、エッジ上でモデルをトレーニングすることで、データのプライバシを保証する。
更新されたウェイトは中央サーバにフェデレーションされ、収集されたウェイトはすべてThe Federated Averagingアルゴリズムを介して更新される。
最後に、ユーザフレンドリーなソリューションを提供するモバイルアプリOralHを開発しました。
問題を検知すると、アプリケーションは患者に口腔の健康上の懸念や病気について警告し、患者の地域にある歯科診療所の詳細を提供する。
プログレッシブWebアプリケーション(PWA)として設計されたこのプラットフォームは、デバイス間のシームレスなエクスペリエンスのために、ユビキタスアクセスを保証する。
このアプリケーションは、YOLOv8オブジェクト検出モデルを利用して、口腔衛生問題や疾患を識別し、最先端のセグメンテーションと検出技術を提供することを目的としている。
本研究は,医療におけるFL活用のメリットを実世界の有望な成果として扱う。
関連論文リスト
- Confidential and Protected Disease Classifier using Fully Homomorphic Encryption [0.09424565541639365]
多くのユーザーは、病気のために医療専門家に相談する前に、ChatGPTやBardのようなプラットフォームで潜在的な原因を探している。
このようなプラットフォームの利便性にもかかわらず、個人医療データをオンラインで共有することは、悪意のあるプラットフォームの存在を含むリスクを引き起こす。
安全かつプライベートな診断システムのためのFHEとDeep Learningを組み合わせた新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-05T02:10:00Z) - Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、広告、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、非現実的な伝統的な生理的測定は接触センサーの必要性から生じる。
心拍変動(HRV)における接触センサの代替手段としての非教師なし遠隔光胸腺造影の有用性を実証する。
HRVの特徴のみを使用すると、94%の精度が達成され、接触センサーや地上の真理信号が不要になる。
論文 参考訳(メタデータ) (2024-04-05T20:39:16Z) - Explainable Machine Learning-Based Security and Privacy Protection Framework for Internet of Medical Things Systems [1.8434042562191815]
インターネット・オブ・メディカル・モノ(IoMT)は、従来の医療境界を超越し、反応性治療から予防への転換を可能にする。
その利点は、処理されたデータの感度と価値のために、ユーザの生活を危険にさらす、重大なセキュリティ上の課題に対処されている。
新しいIDS(Intrusion Detection Systems)フレームワークを導入し、ANN(Artificial Neural Networks)を侵入検知に利用し、FL(Federated Learning)をプライバシ保護に活用する。
論文 参考訳(メタデータ) (2024-03-14T11:57:26Z) - Video object detection for privacy-preserving patient monitoring in
intensive care [0.0]
ビデオフレームの時間的継承における情報を活用する新しい手法を提案する。
我々のメソッドは標準のYOLOv5ベースラインモデルを+1.7%mAP@.5で上回り、プロプライエタリなデータセットで10倍以上高速にトレーニングします。
論文 参考訳(メタデータ) (2023-06-26T11:52:22Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳(メタデータ) (2022-03-24T02:09:41Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳(メタデータ) (2021-07-12T08:07:56Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳(メタデータ) (2021-03-23T11:10:04Z) - Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。
集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。
グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文 参考訳(メタデータ) (2020-12-10T13:56:00Z) - A Data-Efficient Deep Learning Based Smartphone Application For
Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。
スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
論文 参考訳(メタデータ) (2020-08-19T04:28:17Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-05-15T23:57:36Z) - Deep Residual Network based food recognition for enhanced Augmented
Reality application [0.0]
カメラ画像から現状の物体の特徴を検出できるシステムを用いて、拡張現実の応用を強化することができる。
本研究の目的は、より健康的な生活選択を促進するために、食事に関する栄養情報を提供することで、利用者を支援するために低レイテンシ支援ARを作成するのに最適なモデルを決定することである。
論文 参考訳(メタデータ) (2020-05-08T21:08:58Z)
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。