論文の概要: FastDDS-Based Middleware System for Remote X-Ray Image Classification Using Raspberry Pi

• arxiv url: http://arxiv.org/abs/2412.07818v1
• Date: Tue, 10 Dec 2024 12:01:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:24.212569
• Title: FastDDS-Based Middleware System for Remote X-Ray Image Classification Using Raspberry Pi
• Title（参考訳）: Raspberry Piを用いたリモートX線画像分類のためのFastDDSベースのミドルウェアシステム
• Authors: Omar H. Khater, Basem Almadani, Farouq Aliyu,
• Abstract要約: 本稿では,FastDDSを用いた遠隔地病院におけるリアルタイム胸部X線分類システムを提案する。 我々はResNet50ニューラルネットワークを88.61%の精度、88.76%の精度、88.49%のリコールに微調整した。 提案システムでは,遠隔地の医師をインターネットで支援する方法を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Internet of Things (IoT) based healthcare systems offer significant potential for improving the delivery of healthcare services in humanitarian engineering, providing essential healthcare services to millions of underserved people in remote areas worldwide. However, these areas have poor network infrastructure, making communications difficult for traditional IoT. This paper presents a real-time chest X-ray classification system for hospitals in remote areas using FastDDS real-time middleware, offering reliable real-time communication. We fine-tuned a ResNet50 neural network to an accuracy of 88.61%, a precision of 88.76%, and a recall of 88.49\%. Our system results mark an average throughput of 3.2 KB/s and an average latency of 65 ms. The proposed system demonstrates how middleware-based systems can assist doctors in remote locations.
• Abstract（参考訳）: モノのインターネット(IoT)ベースのヘルスケアシステムは、人道的エンジニアリングにおけるヘルスケアサービスのデリバリを改善する大きな可能性を秘めている。 しかし、これらの領域はネットワークインフラストラクチャが貧弱で、従来のIoTでは通信が困難である。 本稿では,FastDDSリアルタイムミドルウェアを用いた遠隔地病院におけるリアルタイム胸部X線分類システムを提案する。 我々はResNet50ニューラルネットワークを88.61%の精度、88.76%の精度、88.49\%のリコールに微調整した。 提案システムでは,遠隔地で医師を支援するミドルウェアベースのシステムについて,平均スループット3.2KB/s,平均レイテンシ65msを示す。

関連論文リスト

• TimeSense: Multi-Person Device-free Indoor Localization via RTT [1.7667202894248826]
  TimeSense(タイムセンス)はIEEE 802.11-2016標準に基づくデバイスフリーの屋内ローカライズシステムである。 TimeSenseは1.57mと2.65mの中央値のローカライゼーション精度を達成している。 これは2つのテストベッドで、最先端のテクニックのパフォーマンスを49%、そして103%上回る。
  論文  参考訳（メタデータ） (2024-08-17T13:12:33Z)
• MedAide: Leveraging Large Language Models for On-Premise Medical Assistance on Edge Devices [7.042194397224198]
  大規模言語モデル(LLM)は、その顕著な自然言語処理(NLP)能力によって、様々な領域に革命をもたらしている。 しかし,資源制約のあるエッジコンピューティングや組み込みシステムにLLMをデプロイすることは,大きな課題となる。 これらの課題には、限られた医療施設とインフラを備えた遠隔地での医療支援の提供が含まれる。
  論文  参考訳（メタデータ） (2024-02-28T08:30:49Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• IoMT-Blockchain based Secured Remote Patient Monitoring Framework for Neuro-Stimulation Device [0.0]
  患者からのリアルタイムの知覚データは、ウェアラブルIoMTデバイスの迅速な開発を通じて配信され、分析される。 モノのインターネットからのデータは収集され、分析され、単一の場所に格納される。 分散した性質のため、ブロックチェーン(BC)はこれらの問題を緩和することができる。
  論文  参考訳（メタデータ） (2023-08-31T16:59:58Z)
• COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical Network to Monitor and Detect COVID-19 Infection from Point-of-Care Ultrasound Images [66.63200823918429]
  COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。 ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
  論文  参考訳（メタデータ） (2023-01-04T16:05:51Z)
• Decentralized Machine Learning for Intelligent Health Care Systems on the Computing Continuum [2.9146412510209565]
  複数の医療機関にまたがって匿名の予測分析を可能にする概念的EHRを提案し,評価する。 評価結果から,分散EHRは最大60%の機械学習時間を短縮し,コンセンサスレイテンシが8秒未満で計算連続体上に展開可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-07-29T10:04:51Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• A multiagent based framework secured with layered SVM-based IDS for remote healthcare systems [0.0]
  2段階からなる遠隔医療システムのためのセキュアなフレームワークを提案する。 まず,センサネットワークからデータを収集するマルチエージェント技術に基づく医療システムの設計を行う。 第2フェーズでは,ネットワークトラフィックの挙動を学習するためにサポートベクタマシンを用いた侵入検知システムの階層化が適用される。
  論文  参考訳（メタデータ） (2021-04-13T20:34:38Z)
• Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian Detection [99.94079901071163]
  本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。 我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。 我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
  論文  参考訳（メタデータ） (2020-04-03T17:36:26Z)
• Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres [55.41644538483948]
  在宅患者を自動的に遠隔監視するデジタル技術について述べる。 患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
  論文  参考訳（メタデータ） (2020-03-12T16:08:09Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。