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
- Ultrasound-Based AI for COVID-19 Detection: A Comprehensive Review of Public and Private Lung Ultrasound Datasets and Studies [0.8431149869144428]
新型コロナウイルスの検出と解析に肺超音波(LUS)を用いたAIによる研究に焦点をあてる。
合計60項目をレビューし,そのうち41項目は公開データセットを使用し,残る41項目は個人データを用いた。
以上の結果から, 超音波を用いた新型コロナウイルス検出AI研究は, 特に小児および妊婦の臨床的有用性が高いことが示唆された。
論文 参考訳（メタデータ） (2024-11-06T06:59:41Z) - FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。
機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。
本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文 参考訳（メタデータ） (2024-10-28T02:24:01Z) - Mammo-Clustering:A Weakly Supervised Multi-view Global-Local Context Clustering Network for Detection and Classification in Mammography [13.581151516877238]
文脈クラスタリングに基づく乳がん早期検診モデルを提案する。
本モデルは, 乳がん検診における医師の負担軽減と, 未発達地域の女性に対する乳がん検診の可能性を高める可能性を示唆する。
論文 参考訳（メタデータ） (2024-09-23T10:17:13Z) - ISLES 2024: The first longitudinal multimodal multi-center real-world dataset in (sub-)acute stroke [2.7919032539697444]
ストロークは世界的死亡率と死亡率の主要な原因であり、社会経済的重荷を負っている。
脳卒中画像から有意義で再現可能な脳機能のモデルを抽出できる機械学習アルゴリズムを開発する。
このデータセットは, 血管造影と灌流による急性CT像, 2～9日間の経過観察, 急性期, 慢性期の臨床データなど, 経時的脳梗塞の包括的データとして初めて提供された。
論文 参考訳（メタデータ） (2024-08-20T18:59:52Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - 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) - 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。