論文の概要: Multi-Analyte, Swab-based Automated Wound Monitor with AI
- arxiv url: http://arxiv.org/abs/2506.03188v1
- Date: Fri, 30 May 2025 20:42:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:13.925262
- Title: Multi-Analyte, Swab-based Automated Wound Monitor with AI
- Title（参考訳）: AIを用いたマルチAnalyte, Swabベースの自動創製モニター
- Authors: Madhu Babu Sikha, Lalith Appari, Gurudatt Nanjanagudu Ganesh, Amay Bandodkar, Imon Banerjee,
- Abstract要約: 糖尿病性足潰瘍(DFU)は、米国だけでも毎年75万人に影響を及ぼす。
早期に慢性傷に進展する非治癒性DFUは、治療コストを大幅に削減し、切断のリスクを最小化する。
低コストでマルチアナライトな3Dプリントアッセイをスワブにシームレスに統合し,非癒しDFUを同定する。
創傷センサデータの制御と自動解析のための革新的なモバイルアプリケーションを開発した。
- 参考スコア（独自算出の注目度）: 3.2381236440149257
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Diabetic foot ulcers (DFUs), a class of chronic wounds, affect ~750,000 individuals every year in the US alone and identifying non-healing DFUs that develop to chronic wounds early can drastically reduce treatment costs and minimize risks of amputation. There is therefore a pressing need for diagnostic tools that can detect non-healing DFUs early. We develop a low cost, multi-analyte 3D printed assays seamlessly integrated on swabs that can identify non-healing DFUs and a Wound Sensor iOS App - an innovative mobile application developed for the controlled acquisition and automated analysis of wound sensor data. By comparing both the original base image (before exposure to the wound) and the wound-exposed image, we developed automated computer vision techniques to compare density changes between the two assay images, which allow us to automatically determine the severity of the wound. The iOS app ensures accurate data collection and presents actionable insights, despite challenges such as variations in camera configurations and ambient conditions. The proposed integrated sensor and iOS app will allow healthcare professionals to monitor wound conditions real-time, track healing progress, and assess critical parameters related to wound care.
- Abstract（参考訳）: 糖尿病性足潰瘍(DFUs)は、慢性傷の一類であり、米国では毎年75万人程度に影響し、早期に慢性傷に進展する非治癒性DFUを同定することで、治療コストを大幅に削減し、切断のリスクを最小化することができる。
したがって、非癒し型DFUを早期に検出できる診断ツールが必要である。
我々は、非癒しDFUを識別できるスワブにシームレスに統合された低コストでマルチアナライトな3Dプリンティングアッセイと、創傷センサーデータの制御と自動解析のために開発された革新的なモバイルアプリであるWound Sensor iOS Appを開発した。
創傷面の露出前)と創傷面の露出前(露出前)の両画像を比較し,両画像の密度変化を比較する自動コンピュータビジョン技術を開発し,創傷の重症度を自動判定する。
iOSアプリは正確なデータ収集を保証し、カメラの設定や環境条件のばらつきといった問題にもかかわらず、実行可能な洞察を提供する。
提案されている統合センサーとiOSアプリは、医療専門家がリアルタイムで傷の状態をモニタリングし、治癒の進捗を追跡し、傷のケアに関連する重要なパラメータを評価することを可能にする。
関連論文リスト
- RAID: A Dataset for Testing the Adversarial Robustness of AI-Generated Image Detectors [57.81012948133832]
本稿では,72kの多種多様かつ高い変換可能な対向例からなるRAID(Robust Evaluation of AI- generated Image Detectors)を提案する。
提案手法は,未知の検出器に高い成功率で転送する逆画像を生成する。
以上の結果から,現在最先端のAI生成画像検出器は,敵の例によって容易に認識できることが示唆された。
論文 参考訳（メタデータ） (2025-06-04T14:16:00Z) - 3D Convolutional Neural Networks for Improved Detection of Intracranial bleeding in CT Imaging [0.0]
脳内出血(Intracranial bleeding, IB)は、外傷性脳損傷によって引き起こされる致命的な疾患である。
従来のイメージングは遅く、特に高圧のシナリオでは変動しがちである。
本稿では、緊急時にIB検出を変換するAIの役割について説明する。
論文 参考訳（メタデータ） (2025-03-26T08:10:29Z) - VAE-IF: Deep feature extraction with averaging for fully unsupervised artifact detection in routinely acquired ICU time-series [1.9665926763554147]
本稿では,事前のラベル付けや信号固有知識を使わずに,微細分解能ICUデータ中のアーティファクトを検出するための,教師なしの手法を提案する。
本手法では,変分オートエンコーダ (VAE) と孤立林 (IF) をハイブリッドモデルに組み合わせて特徴を学習し,異常を同定する。
我々の教師なしアプローチは、完全に教師付きされた手法に匹敵する感度を達成し、外部データセットによく当てはまることを示す。
論文 参考訳（メタデータ） (2023-12-10T18:03:40Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Building Flyweight FLIM-based CNNs with Adaptive Decoding for Object
Detection [40.97322222472642]
本研究では、ユーザ描画マーカーからオブジェクトを検出するために、畳み込みニューラルネットワーク(CNN)層を構築する方法を提案する。
糞便サンプルの顕微鏡画像におけるSchistosomiasis mansoni卵の検出と,衛星画像における船舶の検出に対処する。
我々のCNNは、SOTAオブジェクト検出器より数千倍も小さく、CPU実行に適している。
論文 参考訳（メタデータ） (2023-06-26T16:48:20Z) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - Automated SSIM Regression for Detection and Quantification of Motion
Artefacts in Brain MR Images [54.739076152240024]
磁気共鳴脳画像における運動アーチファクトは重要な問題である。
MR画像の画質評価は,臨床診断に先立って基本的である。
構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
論文 参考訳（メタデータ） (2022-06-14T10:16:54Z) - Skin Cancer Diagnostics with an All-Inclusive Smartphone Application [2.840144824279212]
ポータブル・在宅メラノーマ診断システムの開発には大きな関心がある。
本稿では,画像キャプチャ機能と事前処理とセグメンテーションを組み合わせたスマートフォンアプリケーションを提案する。
本手法は,良性黒色腫症例と良性黒色腫症例との鑑別において,軽量でユーザフレンドリで信頼性の高い手法である。
論文 参考訳（メタデータ） (2022-05-25T02:02:08Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - A Data-Efficient Deep Learning Based Smartphone Application For
Detection Of Pulmonary Diseases Using Chest X-rays [0.0]
アプリはモバイルカメラから撮影したChest X-Rayイメージを入力し、クラウドプラットフォームのAIアーキテクチャにリレーする。
スマートフォンの医師はこのアプリケーションを利用すれば、新型コロナウイルス(COVID-19)の診断に要する時間を大幅に節約できる。
論文 参考訳（メタデータ） (2020-08-19T04:28:17Z)
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。