論文の概要: AI-Based Thermal Video Analysis in Privacy-Preserving Healthcare: A Case Study on Detecting Time of Birth

• arxiv url: http://arxiv.org/abs/2502.04365v1
• Date: Wed, 05 Feb 2025 07:01:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:58:10.287071
• Title: AI-Based Thermal Video Analysis in Privacy-Preserving Healthcare: A Case Study on Detecting Time of Birth
• Title（参考訳）: プライバシ保護医療におけるAIによる熱ビデオ分析--出生時刻検出の事例研究
• Authors: Jorge García-Torres, Øyvind Meinich-Bache, Siren Rettedal, Kjersti Engan,
• Abstract要約: 熱画像を用いた自動ToB検出のためのAI駆動ビデオベースシステムを提案する。 性能評価中に熱ビデオクリップ中のToBの検出において,91.4%の精度,97.4%のリコールを実現した。
• 参考スコア（独自算出の注目度）: 1.2524536193679123
• License:
• Abstract: Approximately 10% of newborns need some assistance to start breathing and 5\% proper ventilation. It is crucial that interventions are initiated as soon as possible after birth. Accurate documentation of Time of Birth (ToB) is thereby essential for documenting and improving newborn resuscitation performance. However, current clinical practices rely on manual recording of ToB, typically with minute precision. In this study, we present an AI-driven, video-based system for automated ToB detection using thermal imaging, designed to preserve the privacy of healthcare providers and mothers by avoiding the use of identifiable visual data. Our approach achieves 91.4% precision and 97.4% recall in detecting ToB within thermal video clips during performance evaluation. Additionally, our system successfully identifies ToB in 96% of test cases with an absolute median deviation of 1 second compared to manual annotations. This method offers a reliable solution for improving ToB documentation and enhancing newborn resuscitation outcomes.
• Abstract（参考訳）: 新生児の約10%は、呼吸を開始するのに何らかの助けを必要とし、5倍の適切な換気を行う。 避妊は出生後できるだけ早く開始することが重要である。 したがって、出生時刻(ToB)の正確な文書化は、新生児の蘇生性能の文書化と改善に不可欠である。 しかし、現在の臨床実践はToBの手動記録に頼っている。 本研究では,医療提供者や母親のプライバシを保護するために,可視化画像を用いたAIによる自動ToB検出システムを提案する。 提案手法は、熱ビデオクリップ中のToBの検出において、91.4%の精度と97.4%のリコールを実現する。 さらに,テストケースの96%において,手動アノテーションと比較して1秒の絶対偏差でToBを同定した。 この方法は、ToBドキュメントを改善し、新生児の蘇生効果を高めるための信頼性の高いソリューションを提供する。

関連論文リスト

• Advancing Newborn Care: Precise Birth Time Detection Using AI-Driven Thermal Imaging with Adaptive Normalization [1.101731711817642]
  本稿では,人工知能(AI)とサーマルイメージングの融合について検討し,第1次AI駆動型バース検出器の開発について述べる。 まず,ガウス混合モデル(GMM)に基づく適応正規化手法を提案し,温度変動に関する問題を緩和する。 熱フレーム内での新生児の検出において、88.1%の精度と89.3%のリコールが報告されている。
  論文  参考訳（メタデータ） (2024-10-14T13:20:51Z)
• On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
  本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。 本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-27T18:29:47Z)
• CenTime: Event-Conditional Modelling of Censoring in Survival Analysis [49.44664144472712]
  CenTimeは、イベントへの時間を直接見積もる、サバイバル分析の新しいアプローチである。 本手法は,非検閲データが少ない場合でも,堅牢なイベント条件検閲機構を特徴とする。 以上の結果から,CenTimeは同等の性能を維持しつつ,死までの時間を予測する上で,最先端のパフォーマンスを提供することがわかった。
  論文  参考訳（メタデータ） (2023-09-07T17:07:33Z)
• Automatic Infant Respiration Estimation from Video: A Deep Flow-based Algorithm and a Novel Public Benchmark [10.097634735211654]
  本研究では,自然環境下での映像から呼吸速度と波形を推定する深層学習法を開発した。 本モデルでは,125本のビデオによる乳幼児呼吸データセットを作成した。 乳児のAIR-125データを用いて訓練, 試験を行ったところ, 呼吸速度推定における他の最先端手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-07-24T19:59:15Z)
• Object Detection During Newborn Resuscitation Activities [3.5661795505491445]
  本稿では,2段階のプロセスを提案する。 最初のステップは、バッグマスクの蘇生装置や心拍センサーなど、関連するオブジェクトを検出し、追跡することだ。 運動中の物体検出性能は96.97 %(換気)、100 %(心拍センサーの装着/除去)、75 %(吸引)であった。
  論文  参考訳（メタデータ） (2023-03-14T11:04:50Z)
• Activity Recognition From Newborn Resuscitation Videos [3.54339629317433]
  タンザニアのヘイドムで、ビデオを含む新生児の蘇生中に記録された信号のデータセットが収集された。 新生児の蘇生時に活動認識を行うための2段階のディープニューラルネットワークシステムORAA-netを提案する。 このシステムは、新生児の活動、刺激、換気、吸引を平均精度77.67 %、平均リコール77,64 %、平均精度92.40 %と認識した。
  論文  参考訳（メタデータ） (2023-03-14T11:04:32Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• Open-Set Recognition of Breast Cancer Treatments [91.3247063132127]
  オープンセット認識は、テストサンプルをトレーニングや"未知"から既知のクラスの1つに分類することで、分類タスクを一般化する 乳がん患者データに対して,画像データセットの最先端結果を実現するガウス混合変分オートエンコーダモデルを適用した。 より正確でロバストな分類結果が得られ,F1の平均値が24.5%上昇したばかりでなく,臨床環境への展開性の観点からも,オープンセット認識の再検討を行った。
  論文  参考訳（メタデータ） (2022-01-09T04:35:55Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• 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。