論文の概要: SpiroActive: Active Learning for Efficient Data Acquisition for Spirometry

• arxiv url: http://arxiv.org/abs/2410.22950v1
• Date: Wed, 30 Oct 2024 12:07:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:23:47.727669
• Title: SpiroActive: Active Learning for Efficient Data Acquisition for Spirometry
• Title（参考訳）: SpiroActive: スピロメトリのための効率的なデータ取得のためのアクティブラーニング
• Authors: Ankita Kumari Jain, Nitish Sharma, Madhav Kanda, Nipun Batra,
• Abstract要約: 呼吸器疾患は世界で7番目に健康が悪く、世界で3番目に多い死因であり、2019年には323万人が死亡した。 本稿では,機械学習のサブフィールドである能動的学習を用いて,データ収集とラベル付けに関わる課題を軽減することを提案する。
• 参考スコア（独自算出の注目度）: 1.6462611320898275
• License:
• Abstract: Respiratory illnesses are a significant global health burden. Respiratory illnesses, primarily Chronic obstructive pulmonary disease (COPD), is the seventh leading cause of poor health worldwide and the third leading cause of death worldwide, causing 3.23 million deaths in 2019, necessitating early identification and diagnosis for effective mitigation. Among the diagnostic tools employed, spirometry plays a crucial role in detecting respiratory abnormalities. However, conventional clinical spirometry methods often entail considerable costs and practical limitations like the need for specialized equipment, trained personnel, and a dedicated clinical setting, making them less accessible. To address these challenges, wearable spirometry technologies have emerged as promising alternatives, offering accurate, cost-effective, and convenient solutions. The development of machine learning models for wearable spirometry heavily relies on the availability of high-quality ground truth spirometry data, which is a laborious and expensive endeavor. In this research, we propose using active learning, a sub-field of machine learning, to mitigate the challenges associated with data collection and labeling. By strategically selecting samples from the ground truth spirometer, we can mitigate the need for resource-intensive data collection. We present evidence that models trained on small subsets obtained through active learning achieve comparable/better results than models trained on the complete dataset.
• Abstract（参考訳）: 呼吸器疾患は世界的な健康上の重荷である。 呼吸器疾患、主に慢性閉塞性肺疾患(COPD)は世界で7番目に健康が悪く、世界で3番目に多い死因である。 診断ツールのうち、呼吸異常の検出にはスピロメトリーが重要な役割を担っている。 しかし、従来の臨床スピロメトリ手法では、専門的な機器、訓練された人員、専門的な臨床環境の必要性など、かなりのコストと実用上の制限が伴うことが多く、アクセスしにくくなっている。 これらの課題に対処するために、ウェアラブルスピロメトリ技術は、正確で費用対効果があり、便利なソリューションを提供する、有望な代替手段として登場した。 ウェアラブル・スピロメトリのための機械学習モデルの開発は、質の高い地上の真実のスピロメトリデータの利用に大きく依存している。 本研究では,機械学習のサブフィールドである能動的学習を用いて,データ収集とラベル付けに関わる課題を軽減することを提案する。 地上の真理スピロメータからサンプルを戦略的に選択することで、資源集約データ収集の必要性を軽減できる。 アクティブラーニングによって得られた小さなサブセットでトレーニングされたモデルが、完全なデータセットでトレーニングされたモデルと同等/ベターな結果が得られることを示す。

関連論文リスト

• RespLLM: Unifying Audio and Text with Multimodal LLMs for Generalized Respiratory Health Prediction [20.974460332254544]
  RespLLMは、呼吸健康予測のためのテキストと音声の表現を統一する新しいフレームワークである。 我々の研究は、異種データの知覚、聴取、理解が可能なマルチモーダルモデルの基礎を築いた。
  論文  参考訳（メタデータ） (2024-10-07T17:06:11Z)
• Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
  本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。 健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。 ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:31Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Real-Time Magnetic Tracking and Diagnosis of COVID-19 via Machine Learning [2.737411991771932]
  新型コロナウイルス(COVID-19)のパンデミックは、安定した公衆衛生介入のための信頼性の高い非侵襲的な診断ツールの重要性を浮き彫りにした。 本研究では、MRSTと機械学習(ML)を融合させて、新型コロナウイルスやその他の呼吸器疾患のリアルタイム追跡と診断のための診断プラットフォームを構築した。
  論文  参考訳（メタデータ） (2023-11-01T13:57:33Z)
• Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
  本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。 各種呼吸状態の分類に機械学習モデルを訓練する。 本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
  論文  参考訳（メタデータ） (2023-09-12T23:54:00Z)
• Variational Autoencoders for Anomaly Detection in Respiratory Sounds [7.704032792820767]
  本稿では,患者に呼吸器疾患の可能性を警告するツールを目的とした,弱い教師付き機械学習に基づくアプローチを提案する。 精度は57パーセントで、既存の強い監督のアプローチと一致している。
  論文  参考訳（メタデータ） (2022-08-05T10:32:08Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)
• 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)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。