論文の概要: Media Insights Engine for Advanced Media Analysis: A Case Study of a Computer Vision Innovation for Pet Health Diagnosis
- arxiv url: http://arxiv.org/abs/2407.13679v1
- Date: Tue, 28 May 2024 16:48:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 08:07:30.755160
- Title: Media Insights Engine for Advanced Media Analysis: A Case Study of a Computer Vision Innovation for Pet Health Diagnosis
- Title（参考訳）: 先端メディア分析のためのメディアインサイトエンジン:ペットの健康診断のためのコンピュータビジョンイノベーションを事例として
- Authors: Anjanava Biswas,
- Abstract要約: Petcoは、Media Insights Engineを使用してペットの健康分析プロセスを革新し、最初の診断までの時間を短縮した。
Media Insights Engineは、Petcoがメディアワークロード用の機械学習アプリケーションを迅速に構築できるモジュラーとソリューションを提供する。
本稿では,メディアを用いたペットの健康分析の課題,メディアインサイトエンジンのメリット,およびこのフレームワークを用いたPetcoのカスタムアプリケーションのアーキテクチャについて論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a case study of how Petco, a leading pet retailer, innovated their pet health analysis processes using the Media Insights Engine to reduce the time to first diagnosis. The company leveraged this framework to build custom applications for advanced computer vision tasks, such as identifying potential health issues in pet videos and images, and validating AI outcomes with pre-built veterinary diagnoses. The Media Insights Engine provides a modular and extensible solution that enabled Petco to quickly build machine learning applications for media workloads. By utilizing this framework, Petco was able to accelerate their project development, improve the efficiency of their pet health analysis, and ultimately reduce the time to first diagnosis for pet health issues. This paper discusses the challenges of pet health analysis using media, the benefits of using the Media Insights Engine, and the architecture of Petco's custom applications built using this framework.
- Abstract（参考訳）: 本稿では,大手ペット小売業者であるPetcoが,Media Insights Engineを用いてペットの健康分析プロセスを革新し,初診までの時間を短縮したケーススタディを提案する。
同社はこのフレームワークを利用して、ペットのビデオや画像の健康上の問題を特定し、事前に構築された獣医学診断でAIの結果を検証するなど、高度なコンピュータビジョンタスクのためのカスタムアプリケーションを構築した。
Media Insights Engineはモジュラーで拡張可能なソリューションを提供しており、Petcoはメディアワークロードのための機械学習アプリケーションを素早く構築できる。
このフレームワークを利用することで、Petcoはプロジェクトの開発を加速し、ペットの健康分析の効率を改善し、最終的にペットの健康問題の最初の診断までの時間を短縮することができた。
本稿では,メディアを用いたペットの健康分析の課題,メディアインサイトエンジンのメリット,およびこのフレームワークを用いたPetcoのカスタムアプリケーションのアーキテクチャについて論じる。
関連論文リスト
- Toward Robust Canine Cardiac Diagnosis: Deep Prototype Alignment
Network-Based Few-Shot Segmentation in Veterinary Medicine [3.58439716487063]
本研究は, 犬胸部X線写真における心房および左心房拡張の正確なセグメンテーションについて, 提案したディーププロトタイプアライメントネットワーク(DPANet)を用いて検討した。
実験の結果,提案したDPANetが最も高い性能を示した。
以上の結果から,FSSによる心房拡張および左心房拡張のための後発性ソリューションとして,我々のモデルが持つ異常な機能を強調した。
論文 参考訳（メタデータ） (2024-03-11T07:19:29Z) - ChatGPT in Veterinary Medicine: A Practical Guidance of Generative Artificial Intelligence in Clinics, Education, and Research [0.0]
本総説は, 獣医学の臨床, 教育, 研究領域におけるChatGPTの最近の研究と実用化を簡潔にまとめたものである。
ChatGPTは、患者データを抽出し、進捗ノートを生成し、複雑な症例の診断を支援する。
このレビューは倫理的考察に対処し、学習資源を提供し、責任ある実装をガイドするための具体的な例を提供する。
論文 参考訳（メタデータ） (2024-02-26T02:59:07Z) - Computer Vision for Primate Behavior Analysis in the Wild [60.937374400311256]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
まず、動物行動のビデオベース研究に直接関係するコンピュータビジョン問題に対する最先端の手法の調査から始める。
次に,実践的な観点からの最大の課題のひとつとして,作業効率のよい学習方法についてレビューする。
論文 参考訳（メタデータ） (2024-01-29T18:59:56Z) - A Trustworthy Framework for Medical Image Analysis with Deep Learning [71.48204494889505]
TRUDLMIAは医用画像解析のための信頼できるディープラーニングフレームワークである。
新型コロナウイルス(COVID-19)などの公衆衛生危機への対応に深層学習の活用を推進していくため、研究者や臨床医を支援することが期待されている。
論文 参考訳（メタデータ） (2022-12-06T05:30:22Z) - Health Guardian Platform: A technology stack to accelerate discovery in
Digital Health research [1.4334172557562619]
Health Guardianは、IBM Digital Healthチームが開発したプラットフォームで、新しいデジタルバイオマーカーの発見とデジタルヘルス技術の開発を加速する。
このプラットフォームは、モバイルアプリケーション、ウェアラブル、IoT(Internet of Things)デバイスに接続して、健康関連のデータをセキュアなデータベースに収集することができる。
分析が作成されると、事前に定義されたテンプレートを使用してコードをクラウド上にコンテナ化し、デプロイし、1つ以上のセンサーデバイスから収集したデータを使用してモデルを検証できる。
論文 参考訳（メタデータ） (2022-11-10T16:28:07Z) - Reinforcement Learning in Medical Image Analysis: Concepts,
Applications, Challenges, and Future Directions [1.9065960619519515]
強化学習は近年徐々に勢いを増している。
医学分析分野の多くの研究者は、診療所での理解と展開が難しいと感じている。
本論文は, 医用画像解析研究を強化学習問題として定式化し, 解決する上で, 読者の助けとなるだろう。
論文 参考訳（メタデータ） (2022-06-28T22:07:17Z) - Follow My Eye: Using Gaze to Supervise Computer-Aided Diagnosis [54.60796004113496]
医用画像を読む放射線科医の眼球運動は,DNNベースのコンピュータ支援診断システム(CAD)を訓練するための新たな指導形態であることが実証された。
画像を読んでいるときに、放射線科医の視線を記録します。
視線情報は処理され、アテンション一貫性モジュールを介してDNNの注意を監督するために使用される。
論文 参考訳（メタデータ） (2022-04-06T08:31:05Z) - Transformers in Medical Imaging: A Survey [88.03790310594533]
トランスフォーマーはいくつかのコンピュータビジョン問題に適用され、最先端の結果が得られた。
医療画像はまた、局所受容野を持つCNNと比較して、グローバルな文脈を捉えられるトランスフォーマーへの関心が高まっている。
本稿では,最近提案された建築設計から未解決問題に至るまで,医療画像におけるトランスフォーマーの応用について概説する。
論文 参考訳（メタデータ） (2022-01-24T18:50:18Z) - MedPerf: Open Benchmarking Platform for Medical Artificial Intelligence
using Federated Evaluation [110.31526448744096]
この可能性を解き明かすには、大規模な異種データに対して医療AIモデルの性能を測定する体系的な方法が必要である、と私たちは主張する。
MedPerfは、医療分野で機械学習をベンチマークするためのオープンフレームワークです。
論文 参考訳（メタデータ） (2021-09-29T18:09:41Z) - PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。
データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。
予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文 参考訳（メタデータ） (2021-01-11T22:02:08Z)
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。