論文の概要: AI enhanced diagnosis of Peyronies disease a novel approach using Computer Vision
- arxiv url: http://arxiv.org/abs/2411.07684v1
- Date: Tue, 12 Nov 2024 09:56:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:17:57.995745
- Title: AI enhanced diagnosis of Peyronies disease a novel approach using Computer Vision
- Title(参考訳): AIによるPeyronies病診断の強化 : Computer Visionを用いた新しいアプローチ
- Authors: Yudara Kularathne, Janitha Prathapa, Prarththanan Sothyrajah, Salomi Arasaratnam, Sithira Ambepitiya, Thanveer Ahamed, Dinuka Wijesundara,
- Abstract要約: ピーロニー病(PD)は世界の男性の0.3%から13.1%に影響を及ぼす。
本手法は、画像とビデオのキーポイント検出を用いて、高度なコンピュータビジョン技術を用いて、ペネイル曲率角を計測する。
このツールは、従来のゴニメーター測定に対して検証された解剖学的ランドマークの同定において、高い精度を示してきた。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This study presents an innovative AI-driven tool for diagnosing Peyronie's Disease (PD), a condition that affects between 0.3% and 13.1% of men worldwide. Our method uses key point detection on both images and videos to measure penile curvature angles, utilizing advanced computer vision techniques. This tool has demonstrated high accuracy in identifying anatomical landmarks, validated against conventional goniometer measurements. Traditional PD diagnosis often involves subjective and invasive methods, which can lead to patient discomfort and inaccuracies. Our approach offers a precise, reliable, and non-invasive diagnostic tool to address these drawbacks. The model distinguishes between PD and normal anatomical changes with a sensitivity of 96.7% and a specificity of 100%. This advancement represents a significant improvement in urological diagnostics, greatly enhancing the efficacy and convenience of PD assessment for healthcare providers and patients.
- Abstract(参考訳): 本研究は、世界中の男性の0.3%から13.1%に影響を及ぼすペロニー病(PD)を診断するための革新的なAI駆動ツールを提案する。
本手法は、画像とビデオのキーポイント検出を用いて、高度なコンピュータビジョン技術を用いて、ペネイル曲率角を計測する。
このツールは、従来のゴニメーター測定に対して検証された解剖学的ランドマークの同定において、高い精度を示してきた。
従来のPD診断では、しばしば主観的および侵襲的な方法があり、患者の不快感や不正確さにつながることがある。
我々のアプローチは、これらの欠点に対処するために、正確で信頼性があり、非侵襲的な診断ツールを提供する。
このモデルはPDと正常な解剖学的変化を96.7%、特異性100%で区別する。
この進歩は、尿学的診断の大幅な改善であり、医療提供者や患者に対するPDアセスメントの有効性と利便性を大幅に向上させる。
関連論文リスト
- Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey [2.06242362470764]
現在、パーキンソン病の診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。
現在、多くのAIアルゴリズムがPD診断と治療に使われており、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。
PDの可能性を予測し、個人または複数の症状の重症度を評価し、早期発見を支援し、リハビリテーションと治療効果を評価することを含む、表現力のあるフィードバックを提供する。
論文 参考訳(メタデータ) (2025-02-15T07:26:52Z) - A Foundational Generative Model for Breast Ultrasound Image Analysis [42.618964727896156]
基礎モデルは臨床現場で様々な課題に対処するための強力なツールとして登場した。
乳房超音波検査に特化して設計された最初の基礎的生成モデルであるBUSGenについて述べる。
BUSGenは、数ショットの適応で、現実的で情報に富んだタスク固有のデータのリポジトリを生成することができる。
論文 参考訳(メタデータ) (2025-01-12T16:39:13Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳(メタデータ) (2024-07-02T16:44:00Z) - Methodology and Real-World Applications of Dynamic Uncertain Causality Graph for Clinical Diagnosis with Explainability and Invariance [41.373856519548404]
Dynamic Uncertain Causality Graph (DUCG)アプローチは、さまざまなアプリケーションシナリオで因果性駆動、説明可能、不変である。
54件の主訴を含む46件のDUCGモデルが製造された。
実際の診断は100万件以上行われており、誤診断は17例に過ぎなかった。
論文 参考訳(メタデータ) (2024-06-09T11:37:45Z) - Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。
私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - Diagnosing Human-object Interaction Detectors [42.283857276076596]
本稿では,HOI検出モデルの定量的なブレークダウン解析を行うための診断ツールボックスを提案する。
我々は8つの最先端HOI検出モデルを分析し、今後の研究を促進する貴重な診断洞察を提供する。
論文 参考訳(メタデータ) (2023-08-16T17:39:15Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Parkinsons Disease Detection via Resting-State Electroencephalography
Using Signal Processing and Machine Learning Techniques [0.0]
パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。
脳波はPD患者の異常を示す。
1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
論文 参考訳(メタデータ) (2023-03-29T06:03:05Z) - Deep Learning-Based Automatic Diagnosis System for Developmental
Dysplasia of the Hip [5.673030999857323]
本研究では,14個のキーポイントを自動的に検出する深層学習システムを提案する。
3つの解剖学的角度(中央辺角、T"オンニス角、シャープ角)を測り、DDHヒップをクロー基準に基づいてグレードI-IVに分類する。
論文 参考訳(メタデータ) (2022-09-07T19:50:30Z) - Linear Prediction Residual for Efficient Diagnosis of Parkinson's
Disease from Gait [1.713291434132985]
パーキンソン病(英: Parkinson's Disease、PD)は、慢性的に進行する神経疾患であり、硬直性、震動、姿勢不安定をもたらす。
PDを診断するための明確な医療検査はなく、診断は主に臨床演習である。
歩行からPDを診断する高速かつ高精度なLPGNetを提案する。
論文 参考訳(メタデータ) (2021-07-09T20:23:54Z) - ADiag: Graph Neural Network Based Diagnosis of Alzheimer's Disease [0.0]
アルツハイマー病(ad、英: alzheimer's disease)は、世界中で5000万人以上の脳変性疾患である。
現在、認知テストのバッテリーのスコアリング性能の形でのみ定性的なテスト手段が採用されています。
GraphSAGE NetworkとDDP(Dense Differentiable Pooling)解析によりADを診断する新しい定量的手法であるADiagを開発した。
ADiagの予備テストは、83%の堅牢な精度を明らかにし、他の定性的および定量的診断技術を大幅に上回っています。
論文 参考訳(メタデータ) (2021-01-08T06:23:30Z)
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。