論文の概要: How to Count Coughs: An Event-Based Framework for Evaluating Automatic Cough Detection Algorithm Performance
- arxiv url: http://arxiv.org/abs/2406.01529v1
- Date: Mon, 3 Jun 2024 16:59:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-05 22:00:59.785593
- Title: How to Count Coughs: An Event-Based Framework for Evaluating Automatic Cough Detection Algorithm Performance
- Title（参考訳）: Coughsの数え方: 自動カフ検出アルゴリズムの性能を評価するイベントベースフレームワーク
- Authors: Lara Orlandic, Jonathan Dan, Jerome Thevenot, Tomas Teijeiro, Alain Sauty, David Atienza,
- Abstract要約: 慢性うっ血性疾患は、その頻度に関する主観的な患者アンケートに頼っているため、評価が難しい。
コーカウンティングアルゴリズムの最先端メトリクスと臨床医に関連する情報との間にはミスマッチがある。
本稿では,臨床ガイドラインと整合したイベントベース評価指標を用いて,有意なコーカウンティングエンドポイントについて検討する。
- 参考スコア（独自算出の注目度）: 3.3977325856478457
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chronic cough disorders are widespread and challenging to assess because they rely on subjective patient questionnaires about cough frequency. Wearable devices running Machine Learning (ML) algorithms are promising for quantifying daily coughs, providing clinicians with objective metrics to track symptoms and evaluate treatments. However, there is a mismatch between state-of-the-art metrics for cough counting algorithms and the information relevant to clinicians. Most works focus on distinguishing cough from non-cough samples, which does not directly provide clinically relevant outcomes such as the number of cough events or their temporal patterns. In addition, typical metrics such as specificity and accuracy can be biased by class imbalance. We propose using event-based evaluation metrics aligned with clinical guidelines on significant cough counting endpoints. We use an ML classifier to illustrate the shortcomings of traditional sample-based accuracy measurements, highlighting their variance due to dataset class imbalance and sample window length. We also present an open-source event-based evaluation framework to test algorithm performance in identifying cough events and rejecting false positives. We provide examples and best practice guidelines in event-based cough counting as a necessary first step to assess algorithm performance with clinical relevance.
- Abstract（参考訳）: 慢性うっ血性疾患は、その頻度に関する主観的な患者アンケートに頼っているため、広く評価が困難である。
機械学習(ML)アルゴリズムを実行するウェアラブルデバイスは、毎日のうなり声の定量化、症状の追跡と治療評価のための客観的指標の提供を約束している。
しかし、コーカウンティングアルゴリズムの最先端メトリクスと、臨床医に関連する情報との間にはミスマッチがある。
ほとんどの研究は、コウイベントの数や時間的パターンなど、臨床的に関係のある結果を直接提供しない非コウサンプルとコーを区別することに焦点を当てている。
さらに、特異性や精度といった典型的な指標は、クラス不均衡によってバイアスを受けることができる。
本稿では,臨床ガイドラインと整合したイベントベース評価指標を用いて,有意なコーカウンティングエンドポイントについて検討する。
ML分類器を用いて、従来のサンプルベース精度測定の欠点を説明し、データセットクラス不均衡とサンプルウィンドウ長による差異を明らかにする。
また、コーグイベントを特定し、偽陽性を否定するアルゴリズム性能をテストするための、オープンソースのイベントベース評価フレームワークを提案する。
臨床関連性でアルゴリズムの性能を評価するための第1ステップとして,イベントベースコーカウンティングの事例とベストプラクティスガイドラインを提供する。
関連論文リスト
- Quality assurance of organs-at-risk delineation in radiotherapy [7.698565355235687]
放射線治療計画において,腫瘍標的と臓器の脱線は重要である。
自動セグメンテーションの品質保証は、まだ臨床実践において必要ではない。
提案手法は,一級分類フレームワークにおける残差ネットワークとアテンション機構を導入し,様々な種類のOAR輪郭誤差を高精度に検出することができた。
論文 参考訳（メタデータ） (2024-05-20T02:32:46Z) - A Fixed-Point Approach to Unified Prompt-Based Counting [51.20608895374113]
本研究の目的は,ボックス,ポイント,テキストなど,さまざまなプロンプト型で示されるオブジェクトの密度マップを生成することができる包括的プロンプトベースのカウントフレームワークを確立することである。
本モデルは,クラスに依存しない顕著なデータセットに優れ,データセット間の適応タスクにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2024-03-15T12:05:44Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。
本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。
以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
論文 参考訳（メタデータ） (2023-09-07T17:07:33Z) - Sample Size in Natural Language Processing within Healthcare Research [0.14865681381012494]
事前収集されたデータの十分なコーパスの欠如は、新しい研究のためにサンプルサイズを決定する際の制限要因となる可能性がある。
本稿では、医療領域におけるテキスト分類タスクのサンプルサイズを推奨することで、この問題に対処しようとする。
論文 参考訳（メタデータ） (2023-09-05T13:42:43Z) - Federated Few-shot Learning for Cough Classification with Edge Devices [6.141439238018306]
本研究の目的は,巨大なコークスデータが利用できない状況においても,コークス分類を行うことのできるフレームワークを開発することである。
我々は、F2LCoughと呼ばれる新しいフレームワークを設計するために、少数ショット学習とフェデレーション学習を採用し、新しい定式化問題を解く。
以上の結果から,数ショット学習とフェデレーション学習を組み合わせることで,コークス音の分類モデルを構築することが可能であることが示唆された。
論文 参考訳（メタデータ） (2023-09-03T04:48:41Z) - Accounting For Informative Sampling When Learning to Forecast Treatment
Outcomes Over Time [66.08455276899578]
適切な基準を満たさない場合,情報サンプリングは治療結果の正確な推定を禁止できることが示唆された。
逆強度重み付けを用いた情報サンプリングの存在下での処理結果を学習するための一般的な枠組みを提案する。
本稿では,ニューラルCDEを用いてこのフレームワークをインスタンス化する新しい手法であるTESAR-CDEを提案する。
論文 参考訳（メタデータ） (2023-06-07T08:51:06Z) - Time Associated Meta Learning for Clinical Prediction [78.99422473394029]
本稿では,時間関連メタラーニング(TAML)手法を提案する。
タスク分割後のスパーシリティ問題に対処するため、TAMLは時間情報共有戦略を採用し、正のサンプル数を増やす。
複数の臨床データセットに対するTAMLの有効性を示す。
論文 参考訳（メタデータ） (2023-03-05T03:54:54Z) - A Novel Multi-Centroid Template Matching Algorithm and Its Application
to Cough Detection [7.89949025321688]
カフリングは呼吸器関連疾患の主要な症状である。
頭の動きデータをテンプレートマッチングアルゴリズムで検出することができる。
論文 参考訳（メタデータ） (2021-09-01T21:52:36Z) - Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。
最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
論文 参考訳（メタデータ） (2021-08-07T23:05:18Z) - Predictive Modeling of ICU Healthcare-Associated Infections from
Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling
Approach [55.41644538483948]
本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。
感染発生率の低減に向けた意思決定を支援することを目的とする。
論文 参考訳（メタデータ） (2020-05-07T16:13:12Z)
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。