論文の概要: A Classification Benchmark for Artificial Intelligence Detection of Laryngeal Cancer from Patient Speech

• arxiv url: http://arxiv.org/abs/2412.16267v1
• Date: Fri, 20 Dec 2024 10:34:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:55:38.482494
• Title: A Classification Benchmark for Artificial Intelligence Detection of Laryngeal Cancer from Patient Speech
• Title（参考訳）: 患者音声からの喉頭癌の人工知能検出のための分類基準
• Authors: Mary Paterson, James Moor, Luisa Cutillo,
• Abstract要約: 現在の診断経路は、多くの患者が緊急に疑われたがん経路を誤って参照する原因となっている。 人工知能は、患者音声から喉頭癌の非侵襲的検出を可能にすることで、有望な解決策を提供する。 この研究は、36のモデルをトレーニングし、オープンソースのデータセットで評価するベンチマークスイートを導入している。
• 参考スコア（独自算出の注目度）: 0.30723404270319693
• License:
• Abstract: Cases of laryngeal cancer are predicted to rise significantly in the coming years. Current diagnostic pathways cause many patients to be incorrectly referred to urgent suspected cancer pathways, putting undue stress on both patients and the medical system. Artificial intelligence offers a promising solution by enabling non-invasive detection of laryngeal cancer from patient speech, which could help prioritise referrals more effectively and reduce inappropriate referrals of non-cancer patients. To realise this potential, open science is crucial. A major barrier in this field is the lack of open-source datasets and reproducible benchmarks, forcing researchers to start from scratch. Our work addresses this challenge by introducing a benchmark suite comprising 36 models trained and evaluated on open-source datasets. These models are accessible in a public repository, providing a foundation for future research. They evaluate three different algorithms and three audio feature sets, offering a comprehensive benchmarking framework. We propose standardised metrics and evaluation methodologies to ensure consistent and comparable results across future studies. The presented models include both audio-only inputs and multimodal inputs that incorporate demographic and symptom data, enabling their application to datasets with diverse patient information. By providing these benchmarks, future researchers can evaluate their datasets, refine the models, and use them as a foundation for more advanced approaches. This work aims to provide a baseline for establishing reproducible benchmarks, enabling researchers to compare new methods against these standards and ultimately advancing the development of AI tools for detecting laryngeal cancer.
• Abstract（参考訳）: 喉頭癌の症例は今後数年で有意に増加すると予測されている。 現在の診断経路は、多くの患者が緊急に疑われたがん経路を誤って参照し、患者と医療システムの両方に不適切なストレスを与える。 人工知能は、患者のスピーチから喉頭がんを非侵襲的に検出し、より効果的に参照を優先し、非がん患者の不適切な参照を減少させることによって、有望な解決策を提供する。 この可能性を実現するためには、オープンサイエンスが不可欠だ。 この分野での大きな障壁は、オープンソースデータセットと再現可能なベンチマークの欠如である。 我々の研究は、オープンソースのデータセットでトレーニングされ評価された36のモデルからなるベンチマークスイートを導入することで、この問題に対処する。 これらのモデルはパブリックリポジトリでアクセス可能であり、将来の研究の基盤を提供する。 彼らは3つの異なるアルゴリズムと3つのオーディオ機能セットを評価し、包括的なベンチマークフレームワークを提供する。 今後の研究において,一貫した結果と同等な結果を確保するために,標準化されたメトリクスと評価手法を提案する。 提示されたモデルには、音声のみの入力と、人口統計データと症状データを組み込んだマルチモーダル入力の両方が含まれている。 これらのベンチマークを提供することで、将来の研究者はデータセットを評価し、モデルを洗練し、より高度なアプローチの基礎として使用することができる。 この研究は、再現可能なベンチマークを確立するためのベースラインを提供することを目的としており、研究者はこれらの標準に対して新しい方法を比較することができ、最終的に喉頭がんを検出するAIツールの開発を進めることができる。

関連論文リスト

• Generative AI for Synthetic Data Across Multiple Medical Modalities: A Systematic Review of Recent Developments and Challenges [2.1835659964186087]
  本稿では,様々な医療データ型を合成するための生成モデルについて,体系的に検討する。 本研究は、幅広い医療データモダリティを包含し、様々な生成モデルについて検討する。
  論文  参考訳（メタデータ） (2024-06-27T14:00:11Z)
• 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)
• Zero-shot and Few-shot Generation Strategies for Artificial Clinical Records [1.338174941551702]
  本研究は,Llama 2 LLMが患者情報を正確に反映した合成医療記録を作成する能力を評価するものである。 筆者らは,MIMIC-IVデータセットから得られたデータを用いて,現在史の物語を生成することに重点を置いている。 このチェーン・オブ・シークレットのアプローチにより、ゼロショットモデルが、ルージュのメトリクス評価に基づいて、微調整されたモデルと同等の結果が得られることが示唆された。
  論文  参考訳（メタデータ） (2024-03-13T16:17:09Z)
• README: Bridging Medical Jargon and Lay Understanding for Patient Education through Data-Centric NLP [9.432205523734707]
  医療用語を患者に親しみやすい平易な言語に簡略化することを目的とした,レイ定義の自動生成という新たなタスクを導入する。 このデータセットは、5万以上のユニークな(医療用語、日常の定義)ペアと30万の言及からなる。 また、データフィルタリング、拡張、選択を相乗化してデータ品質を改善する、データ中心のHuman-AIパイプラインも開発しました。
  論文  参考訳（メタデータ） (2023-12-24T23:01:00Z)
• The Limits of Fair Medical Imaging AI In The Wild [43.97266228706059]
  医療用AIが人口統計エンコーディングをどのように利用するかを検討する。 医療画像AIは、疾患分類において、人口動態のショートカットを利用することを確認した。 人口統計属性のエンコーディングが少ないモデルは、しばしば「グローバルに最適」であることがわかった。
  論文  参考訳（メタデータ） (2023-12-11T18:59:50Z)
• Predictive and Prescriptive Analytics for Multi-Site Modeling of Frail and Elderly Patient Services [0.0]
  本研究の目的は、需要が増大している医療分野における、様々な予測的、規範的分析手法が、運用上の課題にどのように貢献するかを評価することである。 規範的な面では、ベッドや病棟のスタッフを最適に計画する方法を決定するための決定論的プログラムと2段階プログラムが開発されている。 我々の研究は、医療管理者が予測モデルと規範モデルを使ってより情報的な意思決定を行うことを検討すべきであることを明らかにしている。
  論文  参考訳（メタデータ） (2023-11-13T12:25:45Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。