論文の概要: Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning

• arxiv url: http://arxiv.org/abs/2411.10255v1
• Date: Fri, 15 Nov 2024 15:03:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:38:25.038575
• Title: Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning
• Title（参考訳）: 小児心エコー図における人工知能 : 説明可能なAIとフェデレーションラーニングによる課題,機会,臨床応用を探る
• Authors: Mohammed Yaseen Jabarulla, Theodor Uden, Thomas Jack, Philipp Beerbaum, Steffen Oeltze-Jafra,
• Abstract要約: 本研究は,小児心エコー図におけるAIの限界と可能性について概観する。 XAIとFLの相乗的ワークフローと役割を強調し、研究のギャップを特定し、将来の発展を探求する。 XAI と FL の3つの臨床応用例は, (i) 視認, (ii) 疾患分類, (iii) 心臓構造の分節化, (iv) 心臓機能の定量的評価に焦点をあてたものである。
• 参考スコア（独自算出の注目度）: 0.9866581731906279
• License:
• Abstract: Pediatric heart diseases present a broad spectrum of congenital and acquired diseases. More complex congenital malformations require a differentiated and multimodal decision-making process, usually including echocardiography as a central imaging method. Artificial intelligence (AI) offers considerable promise for clinicians by facilitating automated interpretation of pediatric echocardiography data. However, adapting AI technologies for pediatric echocardiography analysis has challenges such as limited public data availability, data privacy, and AI model transparency. Recently, researchers have focused on disruptive technologies, such as federated learning (FL) and explainable AI (XAI), to improve automatic diagnostic and decision support workflows. This study offers a comprehensive overview of the limitations and opportunities of AI in pediatric echocardiography, emphasizing the synergistic workflow and role of XAI and FL, identifying research gaps, and exploring potential future developments. Additionally, three relevant clinical use cases demonstrate the functionality of XAI and FL with a focus on (i) view recognition, (ii) disease classification, (iii) segmentation of cardiac structures, and (iv) quantitative assessment of cardiac function.
• Abstract（参考訳）: 小児心疾患は先天性および獲得性疾患の幅広い範囲に存在する。 より複雑な先天性奇形は、心エコー法を中心画像法として含む、分化し、多モーダルな意思決定プロセスを必要とする。 人工知能(AI)は、小児心エコーデータの自動解釈を容易にすることによって、臨床医にかなりの約束を提供する。 しかし、小児心エコー図解析にAI技術を適用するには、公開データの可用性の制限、データのプライバシ、AIモデルの透明性といった課題がある。 近年、研究者は、自動診断および意思決定支援ワークフローを改善するために、フェデレートラーニング(FL)や説明可能なAI(XAI)などの破壊的技術に注目している。 本研究は、小児心エコー図におけるAIの限界と機会を概観し、相乗的ワークフローとXAIとFLの役割を強調し、研究ギャップを特定し、今後の発展の可能性を探る。 さらに、XAIとFLの機能に焦点をあてた3つの臨床応用例が紹介されている。 (i)ビュー認識 病原体分類; 病原体分類 三 心構造の分断、及び (4)心臓機能の定量的評価。

関連論文リスト

• Framework for developing and evaluating ethical collaboration between expert and machine [4.304304889487245]
  精密医療は、アクセス可能な疾患診断とパーソナライズされた介入計画のための有望なアプローチである。 人工知能(AI)を活用することで、精密医療は個々の患者に対する診断と治療ソリューションを調整する。 しかし、医療応用におけるAIの採用は重大な課題に直面している。 本稿では,専門家誘導型マルチモーダルAIの開発と倫理的評価を行う枠組みを提案する。
  論文  参考訳（メタデータ） (2024-11-17T06:49:38Z)
• Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
  本研究は,人工知能(AI)モデルを用いた医用合成データ生成の臨床評価に焦点を当てた。 本論文は,a) 医用専門家による合成画像の体系的評価のためのプロトコルを提示し,b) 高分解能WCE画像合成のための新しい変分オートエンコーダモデルであるTIDE-IIを評価する。 その結果、TIDE-IIは臨床的に関連性のあるWCE画像を生成し、データの不足に対処し、診断ツールの強化に役立つことがわかった。
  論文  参考訳（メタデータ） (2024-10-31T19:48:50Z)
• Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
  遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。 人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。 このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
  論文  参考訳（メタデータ） (2024-10-10T03:14:51Z)
• The Role of Explainable AI in Revolutionizing Human Health Monitoring [0.0]
  説明可能なAI(XAI)は、より明確で、患者のケアを大幅に改善する可能性がある。 本稿では,パーキンソン病,脳卒中,うつ病,癌,心臓病,アルツハイマー病などの慢性疾患について概説する。 この論文は、ヒトの健康モニタリングにおけるXAIの課題と今後の研究機会を批判的に評価することで締めくくられる。
  論文  参考訳（メタデータ） (2024-09-11T15:31:40Z)
• Breast Cancer Diagnosis: A Comprehensive Exploration of Explainable Artificial Intelligence (XAI) Techniques [38.321248253111776]
  乳がんの診断・診断における説明可能な人工知能(XAI)技術の適用について検討する。 複雑なAIモデルと実用的な医療アプリケーションの間のギャップを埋めることにおけるXAIの可能性を強調することを目的としている。
  論文  参考訳（メタデータ） (2024-06-01T18:50:03Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• Enabling Collaborative Clinical Diagnosis of Infectious Keratitis by Integrating Expert Knowledge and Interpretable Data-driven Intelligence [28.144658552047975]
  感染性角膜炎(IK)の診断における知識誘導診断モデル(KGDM)の性能,解釈可能性,臨床的有用性について検討した。 AIベースのバイオマーカーの診断確率比(DOR)は3.011から35.233の範囲で有効である。 コラボレーションの参加者は、人間とAIの両方を上回るパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2024-01-14T02:10:54Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• Factored Attention and Embedding for Unstructured-view Topic-related Ultrasound Report Generation [70.7778938191405]
  本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。 提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
  論文  参考訳（メタデータ） (2022-03-12T15:24:03Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)

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。