論文の概要: Comparative Study of Generative Models for Early Detection of Failures in Medical Devices

• arxiv url: http://arxiv.org/abs/2505.04845v1
• Date: Wed, 07 May 2025 22:49:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.696918
• Title: Comparative Study of Generative Models for Early Detection of Failures in Medical Devices
• Title（参考訳）: 医療機器の故障早期検出のための生成モデルの比較検討
• Authors: Binesh Sadanandan, Bahareh Arghavani Nobar, Vahid Behzadan,
• Abstract要約: 本稿では,医療機器の故障検出のための3つの生成機械学習アプローチについて検討する。 この研究は、これらの機械学習アプローチの性能とデータ要件を評価し、デバイス安全性を高める可能性を強調している。
• 参考スコア（独自算出の注目度）: 5.849783371898033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The medical device industry has significantly advanced by integrating sophisticated electronics like microchips and field-programmable gate arrays (FPGAs) to enhance the safety and usability of life-saving devices. These complex electro-mechanical systems, however, introduce challenging failure modes that are not easily detectable with conventional methods. Effective fault detection and mitigation become vital as reliance on such electronics grows. This paper explores three generative machine learning-based approaches for fault detection in medical devices, leveraging sensor data from surgical staplers,a class 2 medical device. Historically considered low-risk, these devices have recently been linked to an increasing number of injuries and fatalities. The study evaluates the performance and data requirements of these machine-learning approaches, highlighting their potential to enhance device safety.
• Abstract（参考訳）: 医療機器産業は、マイクロチップやフィールドプログラマブルゲートアレイ(FPGA)のような高度なエレクトロニクスを統合して、救命機器の安全性とユーザビリティを高めることで、大幅に進歩してきた。 しかし、これらの複雑な電気機械システムは、従来の方法では容易に検出できない障害モードを導入している。 このような電子機器への依存が高まるにつれて、効果的な故障検出と緩和が不可欠となる。 本稿では,第2級医療機器である外科用ステープラのセンサデータを利用して,医療機器の異常検出のための3つの生成機械学習に基づくアプローチについて検討する。 歴史的に低リスクと考えられてきたこれらのデバイスは、最近、負傷者や死亡者の増加に結びついている。 この研究は、これらの機械学習アプローチの性能とデータ要件を評価し、デバイス安全性を高める可能性を強調している。

関連論文リスト

• A Review of Intelligent Device Fault Diagnosis Technologies Based on Machine Vision [0.0]
  本稿ではトランスフォーマーの構造,動作原理,メリット,特に自己注意機構と並列計算機能について詳述する。 ViT(Vision Transformer)やその拡張など、視覚タスクの精度と効率を改善するために自己認識を活用する重要なTransformerモデルの亜種を強調している。 これらの進歩にもかかわらず、広範なラベル付きデータセットへの依存、重要な計算要求、リソース制限されたデバイスにモデルをデプロイすることの難しさなど、課題は残る。
  論文  参考訳（メタデータ） (2024-12-11T07:06:53Z)
• Advancements in Myocardial Infarction Detection and Classification Using Wearable Devices: A Comprehensive Review [0.0]
  心筋梗塞 (MI) は、心臓への血流の制限によって引き起こされる重篤な健康状態である。 本稿では,ウェアラブルデバイスにおけるMI分類手法の進歩を概観し,リアルタイムモニタリングと早期診断の可能性を強調した。
  論文  参考訳（メタデータ） (2024-11-27T15:42:30Z)
• Physical and Software Based Fault Injection Attacks Against TEEs in Mobile Devices: A Systemisation of Knowledge [5.6064476854380825]
  Trusted Execution Environments (TEE) は、現代のセキュアコンピューティングの重要なコンポーネントである。 機密データを保護し、セキュアな操作を実行するために、プロセッサに分離されたゾーンを提供する。 その重要性にもかかわらず、TEEは障害注入(FI)攻撃に対してますます脆弱である。
  論文  参考訳（メタデータ） (2024-11-22T11:59:44Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• Using Machine Learning for Anomaly Detection on a System-on-Chip under Gamma Radiation [1.920987512094627]
  TID(Total Ionizing Dose)効果のような放射線は、ナノスケールの電子機器に永続的な損傷を与えることが多い。 本稿では、消費者電子レベルのField Programmable Gate Arrays(FPGA)における機械学習アルゴリズムを用いて、TID効果に対処し、動作停止前にそれを監視することに焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-05T13:02:55Z)
• Uncertainty aware anomaly detection to predict errant beam pulses in the SNS accelerator [47.187609203210705]
  本稿では、不確実性を考慮した機械学習手法、シームズニューラルネットワークモデルの適用について述べる。 接近する故障を予測することで、損傷が起こる前に加速器を止めることができる。
  論文  参考訳（メタデータ） (2021-10-22T18:37:22Z)
• Predicting Power Electronics Device Reliability under Extreme Conditions with Machine Learning Algorithms [0.0]
  我々は、デバイス信頼性を予測するために機械学習アルゴリズムを利用した。 モデルをトレーニングするために、私たちは10の異なるメーカーから224個の電源デバイスをテストしました。 我々は、グラディエント・ブースティングやLSTMエンコーダ・デコーダ・ネットワークなどの計算モデルにより、高精度で電源装置故障を予測できることを示した。
  論文  参考訳（メタデータ） (2021-07-21T18:17:32Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)

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。