論文の概要: The OxMat dataset: a multimodal resource for the development of AI-driven technologies in maternal and newborn child health
- arxiv url: http://arxiv.org/abs/2404.08024v1
- Date: Thu, 11 Apr 2024 09:52:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-15 16:44:18.105391
- Title: The OxMat dataset: a multimodal resource for the development of AI-driven technologies in maternal and newborn child health
- Title(参考訳): OxMatデータセット:母子保健におけるAI駆動技術開発のためのマルチモーダルリソース
- Authors: M. Jaleed Khan, Ioana Duta, Beth Albert, William Cooke, Manu Vatish, Gabriel Davis Jones,
- Abstract要約: 本稿では,世界最大の心血管造影(CTG)データセットであるOxMat(OxMat)データセットを紹介する。
OxMatデータセットは、51,036妊娠中の177,211件のCTG記録を提供することで、女性の健康データにおける重要なギャップに対処している。
このデータセットは、200以上の産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、
- 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 rapid advancement of Artificial Intelligence (AI) in healthcare presents a unique opportunity for advancements in obstetric care, particularly through the analysis of cardiotocography (CTG) for fetal monitoring. However, the effectiveness of such technologies depends upon the availability of large, high-quality datasets that are suitable for machine learning. This paper introduces the Oxford Maternity (OxMat) dataset, the world's largest curated dataset of CTGs, featuring raw time series CTG data and extensive clinical data for both mothers and babies, which is ideally placed for machine learning. The OxMat dataset addresses the critical gap in women's health data by providing over 177,211 unique CTG recordings from 51,036 pregnancies, carefully curated and reviewed since 1991. The dataset also comprises over 200 antepartum, intrapartum and postpartum clinical variables, ensuring near-complete data for crucial outcomes such as stillbirth and acidaemia. While this dataset also covers the intrapartum stage, around 94% of the constituent CTGS are antepartum. This allows for a unique focus on the underserved antepartum period, in which early detection of at-risk fetuses can significantly improve health outcomes. Our comprehensive review of existing datasets reveals the limitations of current datasets: primarily, their lack of sufficient volume, detailed clinical data and antepartum data. The OxMat dataset lays a foundation for future AI-driven prenatal care, offering a robust resource for developing and testing algorithms aimed at improving maternal and fetal health outcomes.
- Abstract(参考訳): 医療における人工知能(AI)の急速な進歩は、特に胎児モニタリングのための心電図(CTG)の分析を通じて、産科医療の進歩にユニークな機会をもたらす。
しかし、そのような技術の有効性は、機械学習に適した大規模で高品質なデータセットの可用性に依存する。
本論文では, 生の時系列CTGデータと, 機械学習に最適な母子双方の広範な臨床データを含む, 世界最大のCTGデータセットであるOxMat(OxMat)データセットを紹介する。
OxMatデータセットは、51,036妊娠中の177,211件のCTG記録を提供することで、女性の健康データにおける重要なギャップに対処している。
このデータセットは、200以上の産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、産後、
このデータセットは部内ステージもカバーしているが、CTGSの約94%は腹膜である。
これにより、妊娠中の胎児の早期発見によって健康状態が著しく改善する、保存されていない産科の期間に固有の焦点が当てられる。
既存のデータセットの包括的なレビューでは、現在のデータセットの限界が明らかになっている。
OxMatデータセットは、将来のAI主導の出生前ケアの基礎を築き、母体と胎児の健康改善を目的としたアルゴリズムの開発とテストのための堅牢なリソースを提供する。
関連論文リスト
- What is Hiding in Medicine's Dark Matter? Learning with Missing Data in
Medical Practices [38.64139739520114]
欠落したデータは、医療専門家の実践パターンに関連付けられている可能性がある。
外傷例5,791例のTARNフィールド79例について検討した。
我々は,1NNインプタが,通常の臨床意思決定のパターンを示す最も優れたインキュベーションであると結論づけた。
論文 参考訳(メタデータ) (2024-02-09T17:27:35Z) - A multi-institutional pediatric dataset of clinical radiology MRIs by
the Children's Brain Tumor Network [6.562299138758103]
我々は,1,526人の脳腫瘍患者の定期治療によって得られた,23,101個の多パラメータMRI検査の大規模データセットを提供する。
これには、様々ながん診断における縦方向MRI、関連する患者レベル臨床情報、デジタル病理スライド、および組織遺伝子型およびオミクスデータが含まれる。
論文 参考訳(メタデータ) (2023-10-02T17:59:56Z) - Unveiling the Unborn: Advancing Fetal Health Classification through
Machine Learning [0.0]
本研究では,胎児の健康分類のための新しい機械学習手法を提案する。
提案したモデルでは、テストセットで98.31%の精度が得られる。
複数のデータポイントを組み込むことで、我々のモデルはより包括的で信頼性の高い評価を提供する。
論文 参考訳(メタデータ) (2023-09-30T22:02:51Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳(メタデータ) (2023-07-06T08:27:48Z) - An Improved Model Ensembled of Different Hyper-parameter Tuned Machine
Learning Algorithms for Fetal Health Prediction [1.332560004325655]
本研究では,胎児の健康状態を予測するために,Support Vector MachineとExtraTreesのアンサンブルと呼ばれる頑健なアンサンブルモデルを提案する。
提案したETSEモデルは、100%精度、100%リコール、100%F1スコア、99.66%精度で他のモデルより優れていた。
論文 参考訳(メタデータ) (2023-05-26T16:40:44Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳(メタデータ) (2022-04-07T22:14:37Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳(メタデータ) (2021-03-18T03:31:33Z) - Hybrid Attention for Automatic Segmentation of Whole Fetal Head in
Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。
セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。
次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文 参考訳(メタデータ) (2020-04-28T14:43:05Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳(メタデータ) (2020-01-24T21:09:18Z)
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。