論文の概要: Airway Skill Assessment with Spatiotemporal Attention Mechanisms Using Human Gaze

• arxiv url: http://arxiv.org/abs/2506.19306v1
• Date: Tue, 24 Jun 2025 04:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.493505
• Title: Airway Skill Assessment with Spatiotemporal Attention Mechanisms Using Human Gaze
• Title（参考訳）: ヒトの視線を用いた時空間注意機構を用いた気道スキル評価
• Authors: Jean-Paul Ainam, Rahul, Lora Cavuoto, Matthew Hackett, Jack Norfleet, Suvranu De,
• Abstract要約: 航空管理技術は救急医療において重要であり、通常主観的評価によって評価される。 本稿では,気道技能,特に気管内挿管(ETI)を評価するための機械学習アプローチを提案する。 提案システムは,ヒトの視線によって誘導される注意機構を利用して,成功・失敗のETI手順の認識を高める。
• 参考スコア（独自算出の注目度）: 2.125763116614213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Airway management skills are critical in emergency medicine and are typically assessed through subjective evaluation, often failing to gauge competency in real-world scenarios. This paper proposes a machine learning-based approach for assessing airway skills, specifically endotracheal intubation (ETI), using human gaze data and video recordings. The proposed system leverages an attention mechanism guided by the human gaze to enhance the recognition of successful and unsuccessful ETI procedures. Visual masks were created from gaze points to guide the model in focusing on task-relevant areas, reducing irrelevant features. An autoencoder network extracts features from the videos, while an attention module generates attention from the visual masks, and a classifier outputs a classification score. This method, the first to use human gaze for ETI, demonstrates improved accuracy and efficiency over traditional methods. The integration of human gaze data not only enhances model performance but also offers a robust, objective assessment tool for clinical skills, particularly in high-stress environments such as military settings. The results show improvements in prediction accuracy, sensitivity, and trustworthiness, highlighting the potential for this approach to improve clinical training and patient outcomes in emergency medicine.
• Abstract（参考訳）: 航空管理技術は緊急医療において重要であり、典型的には主観的評価によって評価され、しばしば現実世界のシナリオにおける能力の計測に失敗する。 本稿では,人間の視線データとビデオ記録を用いて気道技能,特に気管内挿管(ETI)を評価するための機械学習アプローチを提案する。 提案システムでは,ヒトの視線によって誘導される注意機構を利用して,成功・失敗のETI手順の認識を高める。 視覚マスクは視線ポイントから作成され、タスク関連領域に焦点を合わせ、無関係な特徴を減らした。 オートエンコーダネットワークはビデオから特徴を抽出し、注目モジュールは視覚マスクから注目を生成し、分類器は分類スコアを出力する。 ETIでヒトの視線を初めて用いたこの手法は、従来の方法よりも精度と効率が向上したことを示す。 人間の視線データの統合は、モデルの性能を高めるだけでなく、特に軍事的設定のような高ストレス環境において、臨床スキルに対する堅牢で客観的な評価ツールを提供する。 その結果, 予測精度, 感度, 信頼性の向上が示され, 緊急医療における臨床研修と患者の予後を改善するためのアプローチの可能性が浮き彫りにされた。

関連論文リスト

• Dynamic directed functional connectivity as a neural biomarker for objective motor skill assessment [1.1993517339149389]
  本研究では,神経バイオマーカーとしての動的指向性機能接続(dFC)に基づく運動能力評価手法を提案する。 脳波(EEG)は脳のダイナミクスを捉え、注意に基づくLong Short-Term Memory(LSTM)モデルを用いて非線形グランガー因果解析を行う。 次に、畳み込みニューラルネットワーク(CNN)を使用してスキルレベルを分類し、腹腔鏡下手術で確立されたパフォーマンス指標よりも高い精度と特異性を達成する。
  論文  参考訳（メタデータ） (2025-02-19T01:51:39Z)
• Multi-Modal Self-Supervised Learning for Surgical Feedback Effectiveness Assessment [66.6041949490137]
  そこで本研究では,音声による音声入力とそれに対応する手術映像からの情報を統合して,フィードバックの有効性を予測する手法を提案する。 以上の結果から,手書きフィードバックと手術映像の両方が,訓練者の行動変化を個別に予測できることがわかった。 本研究は,手術フィードバックの自動評価を推進するためのマルチモーダル学習の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-11-17T00:13:00Z)
• EEG Emotion Copilot: Optimizing Lightweight LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [12.707059419820848]
  本稿では,脳波信号から直接感情状態を認識する脳波感情コパイロットについて述べる。 その後、パーソナライズされた診断と治療の提案を生成し、最終的に支援された電子カルテの自動化をサポートする。 提案手法は,医療分野における情動コンピューティングの適用を推し進めることが期待される。
  論文  参考訳（メタデータ） (2024-09-30T19:15:05Z)
• Cognitive-Motor Integration in Assessing Bimanual Motor Skills [0.0]
  本研究では、ディープニューラルネットワーク(DNN)を活用して、認知的意思決定と運動実行の両方を分析し統合する新しいアプローチを提案する。 腹腔鏡下手術の基礎教育における腹腔鏡下手術技術の評価により,本手法を検証した。
  論文  参考訳（メタデータ） (2024-04-16T20:20:23Z)
• Emotic Masked Autoencoder with Attention Fusion for Facial Expression Recognition [1.4374467687356276]
  本稿では,MAE-Face self-supervised learning (SSL) 法と多視点融合注意機構を組み合わせた表現分類手法を提案する。 我々は、重要な顔の特徴を強調表示して、そのような機能がモデルのガイドとして機能するかどうかを判断することを目的とした、実装が容易でトレーニングなしのフレームワークを提案する。 Aff-wild2データセットにおけるモデル性能の改善により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-03-19T16:21:47Z)
• Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
  一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。 医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。 外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
  論文  参考訳（メタデータ） (2022-07-01T14:17:11Z)
• Leveraging Human Selective Attention for Medical Image Analysis with Limited Training Data [72.1187887376849]
  選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。 本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。 本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
  論文  参考訳（メタデータ） (2021-12-02T07:55:25Z)
• Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification [101.49122450005869]
  本稿では,因果推論に基づくより効果的な注意力学習法を提案する。 具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。 本手法は,広範囲の粒度認識タスクにおいて評価する。
  論文  参考訳（メタデータ） (2021-08-19T14:53:40Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。