論文の概要: AI- Enhanced Stethoscope in Remote Diagnostics for Cardiopulmonary Diseases

• arxiv url: http://arxiv.org/abs/2505.18184v1
• Date: Sun, 18 May 2025 12:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.127363
• Title: AI- Enhanced Stethoscope in Remote Diagnostics for Cardiopulmonary Diseases
• Title（参考訳）: 心肺疾患の遠隔診断におけるAI-Enhanced Stethoscope
• Authors: Hania Ghouse, Juveria Tanveen, Abdul Muqtadir Ahmed, Uma N. Dulhare,
• Abstract要約: 本研究は, 肺と心臓の状態を同時に診断するためのAIを, 聴診音を用いて統合する, 革新的かつ効率的なモデルを提案する。 すでに高価格のデジタル聴診器と異なり、提案したモデルは低コストの組込みデバイスに展開するよう特に設計されている。 提案モデルでは,MFCCの特徴抽出と工学的手法を用いて,信号が正確な診断のために適切に解析されていることを保証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increase in cardiac and pulmonary diseases presents an alarming and pervasive health challenge on a global scale responsible for unexpected and premature mortalities. In spite of how serious these conditions are, existing methods of detection and treatment encounter challenges, particularly in achieving timely diagnosis for effective medical intervention. Manual screening processes commonly used for primary detection of cardiac and respiratory problems face inherent limitations, increased by a scarcity of skilled medical practitioners in remote or under-resourced areas. To address this, our study introduces an innovative yet efficient model which integrates AI for diagnosing lung and heart conditions concurrently using the auscultation sounds. Unlike the already high-priced digital stethoscope, our proposed model has been particularly designed to deploy on low-cost embedded devices and thus ensure applicability in under-developed regions that actually face an issue of accessing medical care. Our proposed model incorporates MFCC feature extraction and engineering techniques to ensure that the signal is well analyzed for accurate diagnostics through the hybrid model combining Gated Recurrent Unit with CNN in processing audio signals recorded from the low-cost stethoscope. Beyond its diagnostic capabilities, the model generates digital audio records that facilitate in classifying six pulmonary and five cardiovascular diseases. Hence, the integration of a cost effective stethoscope with an efficient AI empowered model deployed on a web app providing real-time analysis, represents a transformative step towards standardized healthcare
• Abstract（参考訳）: 心疾患や肺疾患の増加は、予期せぬ早死にの責任を負う世界的な規模で、危険で広範囲にわたる健康問題を引き起こす。 これらの状況がどれほど深刻であるかに関わらず、既存の検出および治療の方法は、特に効果的な医療介入のためのタイムリーな診断を達成する上で、課題に遭遇する。 心臓と呼吸の問題の一次検出に一般的に使用される手動スクリーニングプロセスは、遠隔または低リソース領域の熟練した医療従事者の不足により、固有の制限に直面している。 そこで本研究では, 肺と心臓の状態を同時に診断するためのAIを, 聴診音を併用した, 革新的かつ効率的なモデルを提案する。 すでに高価格のデジタル聴診器と異なり、提案モデルは低コストの組込みデバイスに展開するよう特に設計されており、医療へのアクセスの問題に直面している未開発領域に適用可能である。 提案モデルでは,低コスト聴診器から記録した音声信号を処理するために,Gated Recurrent UnitとCNNを組み合わせたハイブリッドモデルを用いて,信号が正確な診断のために適切に解析されることを保証するため,MFCCの特徴抽出と工学的手法が組み込まれている。 診断能力以外にも、このモデルは6つの肺と5つの心臓血管疾患の分類を容易にするデジタルオーディオレコードを生成する。 したがって、コスト効率の良い聴診器と、リアルタイム分析を提供するWebアプリにデプロイされた効率的なAIパワードモデルを統合することは、標準化されたヘルスケアへの変革的なステップである。

関連論文リスト

• Retuve: Automated Multi-Modality Analysis of Hip Dysplasia with Open Source AI [35.088124182314075]
  ヒップ(DDH)の発達は、時間的介入を妨げる重要な診断上の課題を生じさせる。 これらの制約に対処するため、マルチモーダルDDH分析のためのオープンソースのフレームワークであるRetuveを紹介した。 Retuveはオープンソースの原則に固執することにより、DDH研究における透明性、コラボレーション、アクセシビリティを促進する。
  論文  参考訳（メタデータ） (2025-04-08T20:41:21Z)
• Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
  本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。 視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。 我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
  論文  参考訳（メタデータ） (2024-11-15T11:31:06Z)
• ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
  短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。 新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。 DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
  論文  参考訳（メタデータ） (2024-07-25T13:27:10Z)
• Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN [2.7699831151653305]
  本研究は, 心臓疾患の自動診断のための, 迅速かつ正確かつ費用対効果の高い手法を提供する新しいディープラーニングアーキテクチャを開発し, 評価する。 まず,多様な畳み込みフィルタサイズを利用して人間の聴覚処理をエミュレートするマルチブランチディープ畳み込みニューラルネットワーク(MBDCN)と,特徴抽出のためのパワースペクトル入力の2つの革新的な手法を提案する。 第二に、LSTMブロックをMBDCNに統合し、時間領域の特徴抽出を改善するLong Short-Term Memory-Convolutional Neural (LSCN)モデルである。
  論文  参考訳（メタデータ） (2024-07-15T13:02:54Z)
• Autonomous Path Planning for Intercostal Robotic Ultrasound Imaging Using Reinforcement Learning [45.5123007404575]
  胸腔鏡検査は, 皮下リブケージの音響的影が原因で, 依然として困難である。 本研究は, 内臓器病変のモニタリングを行うために, リブ間の走査経路を計画するための強化学習手法を提案する。 ランダムに定義された単一または複数の走査ターゲットを持つ未確認のCTに対して実験が実施されている。
  論文  参考訳（メタデータ） (2024-04-15T16:52:53Z)
• MEDPSeg: Hierarchical polymorphic multitask learning for the segmentation of ground-glass opacities, consolidation, and pulmonary structures on computed tomography [37.119000111386924]
  MEDPSegは階層型多形マルチタスク学習(HPML)を通して異種胸部CTターゲットから学習する 本稿では,GGOと統合セグメンテーションタスクの最先端性能を実現するPMLについて述べる。 さらに、MEDPSegは肺発作、気道、肺動脈、肺病変の分節を同時に行う。
  論文  参考訳（メタデータ） (2023-12-04T21:46:39Z)
• Respiratory Disease Classification and Biometric Analysis Using Biosignals from Digital Stethoscopes [3.2458203725405976]
  本研究は, 自動呼吸器疾患分類とバイオメトリックス解析にデジタル聴診器技術を活用した新しいアプローチを提案する。 各種呼吸状態の分類に機械学習モデルを訓練する。 本研究は,2値分類の精度(健康と疾患のバランス精度89%)と多値分類の精度(72%)を実現している。
  論文  参考訳（メタデータ） (2023-09-12T23:54:00Z)
• Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
  本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。 提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,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） (2023-05-20T03:12:23Z)
• Scalable Online Disease Diagnosis via Multi-Model-Fused Actor-Critic Reinforcement Learning [9.274138493400436]
  医療のアドバイスをオンラインで求めている人にとっては、患者と対話して自動的に疾患を診断できるAIベースの対話エージェントが有効な選択肢だ。 これは、強化学習(RL)アプローチを自然解として提案した逐次的特徴(症状)選択と分類の問題として定式化することができる。 生成的アクターネットワークと診断批評家ネットワークから構成されるMMF-AC(Multi-Model-Fused Actor-Critic)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-08T03:06:16Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)

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。