論文の概要: iMedic: Towards Smartphone-based Self-Auscultation Tool for AI-Powered Pediatric Respiratory Assessment
- arxiv url: http://arxiv.org/abs/2504.15743v1
- Date: Tue, 22 Apr 2025 09:45:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-30 21:11:43.639337
- Title: iMedic: Towards Smartphone-based Self-Auscultation Tool for AI-Powered Pediatric Respiratory Assessment
- Title（参考訳）: iMedic:AIによる小児呼吸評価のためのスマートフォンによる自己聴診ツール
- Authors: Seung Gyu Jeong, Sung Woo Nam, Seong Kwan Jung, Seong-Eun Kim,
- Abstract要約: 本稿では、内蔵マイクと高度なディープラーニングアルゴリズムを利用して、異常な呼吸音を検出するスマートフォンベースのシステムを提案する。
エンドツーエンドのディープラーニングフレームワークでは、大規模な電子聴診器データセットと小さなスマートフォン由来のデータセットを統合するために、ドメインの一般化を活用しています。
伴うモバイルアプリケーションは、高品質な肺音サンプル収集の介護者を誘導し、潜在的な肺炎リスクに対する即時フィードバックを提供する。
- 参考スコア（独自算出の注目度）: 1.7124365853633132
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Respiratory auscultation is crucial for early detection of pediatric pneumonia, a condition that can quickly worsen without timely intervention. In areas with limited physician access, effective auscultation is challenging. We present a smartphone-based system that leverages built-in microphones and advanced deep learning algorithms to detect abnormal respiratory sounds indicative of pneumonia risk. Our end-to-end deep learning framework employs domain generalization to integrate a large electronic stethoscope dataset with a smaller smartphone-derived dataset, enabling robust feature learning for accurate respiratory assessments without expensive equipment. The accompanying mobile application guides caregivers in collecting high-quality lung sound samples and provides immediate feedback on potential pneumonia risks. User studies show strong classification performance and high acceptance, demonstrating the system's ability to facilitate proactive interventions and reduce preventable childhood pneumonia deaths. By seamlessly integrating into ubiquitous smartphones, this approach offers a promising avenue for more equitable and comprehensive remote pediatric care.
- Abstract（参考訳）: 呼吸性鎮静は小児肺炎の早期発見に不可欠である。
医師のアクセスが限られている地域では、効果的な聴診が困難である。
組込みマイクと高度な深層学習アルゴリズムを利用して,肺炎リスクを示す異常な呼吸音を検出するスマートフォンベースのシステムを提案する。
エンド・ツー・エンドのディープラーニングフレームワークでは、大規模な電子聴診器データセットをスマートフォン由来の小さなデータセットに統合するために、ドメインの一般化を採用しています。
伴うモバイルアプリケーションは、高品質な肺音サンプル収集の介護者を誘導し、潜在的な肺炎リスクに対する即時フィードバックを提供する。
ユーザスタディは、強力な分類性能と高い受容力を示し、予防的介入を促進し、予防可能な小児肺炎死を減らすシステムの能力を示す。
ユビキタススマートフォンへのシームレスな統合によって、このアプローチはより公平で包括的な遠隔小児医療のための、有望な道のりを提供する。
関連論文リスト
- Pediatric Asthma Detection with Googles HeAR Model: An AI-Driven Respiratory Sound Classifier [0.8463972278020965]
この研究は、小児の呼吸音から喘息の早期徴候を検出するために、AIを利用した診断パイプラインを提供する。
SPRSoundデータセットは、ホイーズ、クラックル、ロンチ、ストリドール、ノーマルとラベル付けされた2秒のオーディオセグメントを抽出するために使用される。
このシステムは91%以上の精度を達成し、正の場合の精度・リコールの指標に対して高い性能を発揮する。
論文 参考訳（メタデータ） (2025-04-28T12:52:17Z) - Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。
超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。
RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
論文 参考訳（メタデータ） (2025-01-02T09:24:34Z) - Pneumonia App: a mobile application for efficient pediatric pneumonia diagnosis using explainable convolutional neural networks (CNN) [3.1828174924979136]
マイコプラズマ肺炎(Mycoplasma pneumoniae pneumoniae pneumoniae)は、小児医療における重要な診断上の課題である。
PneumoniaAPPは,高速MPP検出にディープラーニング技術を活用するモバイルアプリケーションである。
論文 参考訳（メタデータ） (2024-03-31T03:35:43Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳（メタデータ） (2022-12-14T21:39:15Z) - AI-enabled Sound Pattern Recognition on Asthma Medication Adherence:
Evaluation with the RDA Benchmark Suite [2.756147934836573]
喘息は、一般的には長期にわたる呼吸器疾患であり、世界社会や経済に悪影響を及ぼす。
臨床相談における吸入法の評価には客観的な方法が必要である。
本稿では、喘息薬の付着度評価のための機械学習技術を用いて、音響パターン認識を再考する。
論文 参考訳（メタデータ） (2022-05-30T18:08:28Z) - Building a Decision Support System for Automated Mobile Asthma
Monitoring in Remote Areas [0.0]
本稿では,運動によって引き起こされた喘息の早期症状を捉え解析するために,内蔵センサを搭載したスマートフォンを用いた。
予備的な結果は、スマートフォンが他のネットワークデバイスを使わずに喘息症状をモニターし、検出することができることを示している。
論文 参考訳（メタデータ） (2021-12-11T14:18:08Z) - A Machine Learning Approach for Delineating Similar Sound Symptoms of
Respiratory Conditions on a Smartphone [0.0]
我々は、現代のスマートフォンの計算能力と記憶能力の改善を活用し、機械学習アルゴリズムを用いて呼吸音の症状を識別する。
携帯電話上でのこれらのアルゴリズムの性能は、スマートフォンがリアルタイムシナリオにおける呼吸症状の認識と識別のための代替ツールであることを示している。
論文 参考訳（メタデータ） (2021-10-15T07:24:30Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。
本研究では,キャビティ検出のための多段階深層学習システムを提案する。
我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
論文 参考訳（メタデータ） (2020-08-17T21:11:19Z) - Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。
コンピュータ支援診断システムは診断精度を向上させる可能性を示した。
本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文 参考訳（メタデータ） (2020-05-28T10:54:34Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。