Fugu-MT 論文翻訳(概要): Mobile Image Analysis Application for Mantoux Skin Test

論文の概要: Mobile Image Analysis Application for Mantoux Skin Test

arxiv url: http://arxiv.org/abs/2506.17954v1
Date: Sun, 22 Jun 2025 09:12:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-24 19:06:36.668141
Title: Mobile Image Analysis Application for Mantoux Skin Test
Title（参考訳）: Mantoux Skin Test のモバイル画像解析への応用
Authors: Liong Gele, Tan Chye Cheah,
Abstract要約: Mantoux Skin Test (TST) を用いたLTBI (Latent tuberculosis infection) の診断を目的とした新しいモバイルアプリケーションを提案する。従来のTST法は、低追従率、患者の不快感、主観的手動解釈に悩まされることが多い。このモバイルアプリケーションは、ARCoreを含む高度な画像処理技術と、DeepLabv3のような機械学習アルゴリズムを統合している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a newly developed mobile application designed to diagnose Latent Tuberculosis Infection (LTBI) using the Mantoux Skin Test (TST). Traditional TST methods often suffer from low follow-up return rates, patient discomfort, and subjective manual interpretation, particularly with the ball-point pen method, leading to misdiagnosis and delayed treatment. Moreover, previous developed mobile applications that used 3D reconstruction, this app utilizes scaling stickers as reference objects for induration measurement. This mobile application integrates advanced image processing technologies, including ARCore, and machine learning algorithms such as DeepLabv3 for robust image segmentation and precise measurement of skin indurations indicative of LTBI. The system employs an edge detection algorithm to enhance accuracy. The application was evaluated against standard clinical practices, demonstrating significant improvements in accuracy and reliability. This innovation is crucial for effective tuberculosis management, especially in resource-limited regions. By automating and standardizing TST evaluations, the application enhances the accessibility and efficiency of TB di-agnostics. Future work will focus on refining machine learning models, optimizing measurement algorithms, expanding functionalities to include comprehensive patient data management, and enhancing ARCore's performance across various lighting conditions and operational settings.
Abstract（参考訳）: 本報告では,mantoux Skin Test (TST) を用いたLTBI (Latent tuberculosis infection) の診断を目的とした新しいモバイルアプリケーションを提案する。従来のTST法は、低追従率、患者の不快感、主観的手動解釈、特にボールポイントペン法に悩まされることが多く、誤診や治療の遅れにつながる。さらに, 従来の3次元再構成を用いたモバイルアプリケーションでは, スケーリングステッカーを基準オブジェクトとして用いた。このモバイルアプリケーションは、ARCoreを含む高度な画像処理技術と、堅牢なイメージセグメンテーションのためのDeepLabv3のような機械学習アルゴリズムを統合する。このシステムはエッジ検出アルゴリズムを用いて精度を向上する。この応用は、標準的な臨床実践に対して評価され、精度と信頼性が著しく向上した。この革新は、特に資源限られた地域では、効果的な結核管理に不可欠である。 TST評価の自動化と標準化により、TB診断のアクセシビリティと効率が向上する。将来的には、機械学習モデルの精細化、測定アルゴリズムの最適化、包括的な患者データ管理を含む機能の拡張、さまざまな照明条件と運用環境におけるARCoreのパフォーマンス向上に注力する予定である。

関連論文リスト

Beyond the Desktop: XR-Driven Segmentation with Meta Quest 3 and MX Ink [1.7758191385707351]
本研究では,解剖学的CTスキャンのための拡張現実(XR)ベースのセグメンテーションツールの有用性と臨床応用性について検討した。本研究では,2次元および3次元の医用画像データとリアルタイムに対話できる没入型インタフェースを,カスタマイズ可能なワークスペースで開発する。公立頭蓋顔面CTデータセットを用いたユーザスタディでは、このツールの生存可能性を示し、医療応用の期待される範囲内で、システムユーザビリティ尺度(SUS)のスコア66を達成した。
論文参考訳（メタデータ） (2025-06-05T10:25:46Z)
GS-TransUNet: Integrated 2D Gaussian Splatting and Transformer UNet for Accurate Skin Lesion Analysis [44.99833362998488]
本稿では,2次元ガウススプラッティングとTransformer UNetアーキテクチャを組み合わせた皮膚癌自動診断手法を提案する。セグメンテーションと分類の精度は著しく向上した。この統合は、新しいベンチマークをこの分野に設定し、マルチタスク医療画像解析手法のさらなる研究の可能性を強調している。
論文参考訳（メタデータ） (2025-02-23T23:28:47Z)
Object Detection for Medical Image Analysis: Insights from the RT-DETR Model [40.593685087097995]
本稿では,RT-DETRモデルに基づく複雑な画像データ解析のための新しい検出フレームワークの適用について述べる。 RT-DETRモデルはTransformerベースのアーキテクチャ上に構築され,高次元かつ複雑な視覚データ処理に優れ,堅牢性と精度が向上した。
論文参考訳（メタデータ） (2025-01-27T20:02:53Z)
Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文参考訳（メタデータ） (2024-07-10T19:17:23Z)
Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation of rPPG [2.82697733014759]
r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
論文参考訳（メタデータ） (2023-07-24T09:35:47Z)
An Evaluation of Lightweight Deep Learning Techniques in Medical Imaging for High Precision COVID-19 Diagnostics [0.0]
決定支援システムは、画像の物理的検査に固有の課題を緩和する。ほとんどのディープラーニングアルゴリズムは、リソース制約のあるデバイスの実装には適していない。本稿では,MobileNetV2モデルを用いた新型コロナウイルス検出のための軽量深層学習手法の開発と評価について述べる。
論文参考訳（メタデータ） (2023-05-30T13:14:03Z)
Next-generation Surgical Navigation: Marker-less Multi-view 6DoF Pose Estimation of Surgical Instruments [64.59698930334012]
静止カメラとヘッドマウントカメラを組み合わせたマルチカメラ・キャプチャー・セットアップを提案する。第2に,手術用ウェットラボと実際の手術用劇場で撮影された元脊椎手術のマルチビューRGB-Dビデオデータセットを公表した。第3に,手術器具の6DoFポーズ推定の課題に対して,最先端のシングルビューとマルチビューの3つの手法を評価した。
論文参考訳（メタデータ） (2023-05-05T13:42:19Z)
Edge-centric Optimization of Multi-modal ML-driven eHealth Applications [3.580536707578708]
スマートeHealthアプリケーションは、複数のモードからの入力データを検知し、エッジやクラウドノードにデータを送信し、計算集約機械学習(ML)アルゴリズムでデータを処理します。本稿では,機械学習によるeHealthアプリケーションのためのエッジ中心の最適化手法,精度-性能トレードオフの探索,および層間共最適化について述べる。
論文参考訳（メタデータ） (2022-08-04T11:51:34Z)
Occlusion-robust Visual Markerless Bone Tracking for Computer-Assisted Orthopaedic Surgery [41.681134859412246]
閉塞に対して頑健なRGB-Dセンサを用いたマーカーレストラッキング手法を提案する。高品質な商用RGB-Dカメラを用いて,モデル膝の1-2デグレスと2-4mmの精度を実現する。
論文参考訳（メタデータ） (2021-08-24T09:49:08Z)
Interpretable COVID-19 Chest X-Ray Classification via Orthogonality Constraint [10.190872613479632]
胸部X線画像からのCOVID-19症例の分類にOrthogonal Spheres(OS)制約を用いることの利点について検討した。これまでの研究では、このような制約をディープラーニングモデルに適用する大きなメリットが実証されてきた。提案手法は,2クラス・3クラス分類における精度を1.6%,4.8%向上させる。
論文参考訳（メタデータ） (2021-02-02T11:35:28Z)
Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
論文参考訳（メタデータ） (2020-07-08T21:38:29Z)

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。