論文の概要: Patient Domain Supervised Contrastive Learning for Lung Sound Classification Using Mobile Phone

• arxiv url: http://arxiv.org/abs/2505.23132v1
• Date: Thu, 29 May 2025 06:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.708107
• Title: Patient Domain Supervised Contrastive Learning for Lung Sound Classification Using Mobile Phone
• Title（参考訳）: 携帯電話を用いた肺音分類のためのコントラスト学習を指導した患者ドメイン
• Authors: Seung Gyu Jeong, Seong Eun Kim,
• Abstract要約: 新型コロナウイルス(COVID-19)のパンデミックは、従来の個人内の肺の音の評価の制限を明らかにした。 我々の研究は、スマートフォンのマイクを使って肺の音を録音し分析することを目的としている。
• 参考スコア（独自算出の注目度）: 2.1024950052120417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Auscultation is crucial for diagnosing lung diseases. The COVID-19 pandemic has revealed the limitations of traditional, in-person lung sound assessments. To overcome these issues, advancements in digital stethoscopes and artificial intelligence (AI) have led to the development of new diagnostic methods. In this context, our study aims to use smartphone microphones to record and analyze lung sounds. We faced two major challenges: the difference in audio style between electronic stethoscopes and smartphone microphones, and the variability among patients. To address these challenges, we developed a method called Patient Domain Supervised Contrastive Learning (PD-SCL). By integrating this method with the Audio Spectrogram Transformer (AST) model, we significantly improved its performance by 2.4\% compared to the original AST model. This progress demonstrates that smartphones can effectively diagnose lung sounds, addressing inconsistencies in patient data and showing potential for broad use beyond traditional clinical settings. Our research contributes to making lung disease detection more accessible in the post-COVID-19 world.
• Abstract（参考訳）: 肺疾患の診断にはオースカルテーションが不可欠である。 新型コロナウイルス(COVID-19)のパンデミックは、従来の個人内での肺音の評価の限界を明らかにしている。 これらの課題を克服するために、デジタル聴診器と人工知能(AI)の進歩は、新しい診断方法の開発に繋がった。 本研究の目的は,スマートフォンのマイクを用いて肺の音を録音・解析することである。 電子聴診器とスマートフォンのマイクの音響スタイルの違いと患者間の変動の2つの大きな課題に直面した。 これらの課題に対処するため,患者ドメイン監視コントラスト学習(PD-SCL)と呼ばれる手法を開発した。 本手法をAudio Spectrogram Transformer (AST) モデルと統合することにより,元のASTモデルと比較して2.4 %向上した。 この進歩は、スマートフォンが肺の音を効果的に診断し、患者のデータの不整合に対処し、従来の臨床環境を超えた幅広い用途の可能性を示すことを示している。 私たちの研究は、新型コロナウイルス後の世界において、肺疾患の検出をよりアクセスしやすくするために貢献します。

関連論文リスト

• 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)
• Patch-Mix Contrastive Learning with Audio Spectrogram Transformer on Respiratory Sound Classification [18.56326840619165]
  本稿では,潜在空間における混合表現を識別するために,新規かつ効果的なパッチ・ミクス・コントラスト学習を提案する。 提案手法はICBHIデータセット上での最先端性能を実現し,4.08%の改善により先行先行スコアを上回った。
  論文  参考訳（メタデータ） (2023-05-23T13:04:07Z)
• A Preliminary Study of a Two-Stage Paradigm for Preserving Speaker Identity in Dysarthric Voice Conversion [50.040466658605524]
  変形性音声変換(DVC)における話者同一性維持のための新しいパラダイムを提案する。 変形性音声の質は統計VCによって大幅に改善される。 しかし, 変形性関節症患者の通常の発話は, ほとんど収集できないため, 過去の研究は患者の個性を取り戻すことはできなかった。
  論文  参考訳（メタデータ） (2021-06-02T18:41:03Z)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Predicting Clinical Diagnosis from Patients Electronic Health Records Using BERT-based Neural Networks [62.9447303059342]
  医療コミュニティにおけるこの問題の重要性を示す。 本稿では,変換器 (BERT) モデルによる2方向表現の分類順序の変更について述べる。 約400万人のユニークな患者訪問からなる、大規模なロシアのEHRデータセットを使用します。
  論文  参考訳（メタデータ） (2020-07-15T09:22:55Z)
• 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)
• COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
  新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。 近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。 本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
  論文  参考訳（メタデータ） (2020-04-30T03:13:40Z)

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。