論文の概要: Design of an Edge-based Portable EHR System for Anemia Screening in Remote Health Applications

• arxiv url: http://arxiv.org/abs/2507.15146v1
• Date: Sun, 20 Jul 2025 22:46:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.2143
• Title: Design of an Edge-based Portable EHR System for Anemia Screening in Remote Health Applications
• Title（参考訳）: 遠隔医療における貧血スクリーニングのためのエッジベースポータブルEHRシステムの設計
• Authors: Sebastian A. Cruz Romero, Misael J. Mercado Hernandez, Samir Y. Ali Rivera, Jorge A. Santiago Fernandez, Wilfredo E. Lugo Beauchamp,
• Abstract要約: 本稿では,オフライン操作に最適化された携帯型エッジ対応電子健康記録プラットフォームを提案する。 AES-256暗号化されたローカルストレージと、相互運用性のためのオプションのクラウド同期を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The design of medical systems for remote, resource-limited environments faces persistent challenges due to poor interoperability, lack of offline support, and dependency on costly infrastructure. Many existing digital health solutions neglect these constraints, limiting their effectiveness for frontline health workers in underserved regions. This paper presents a portable, edge-enabled Electronic Health Record platform optimized for offline-first operation, secure patient data management, and modular diagnostic integration. Running on small-form factor embedded devices, it provides AES-256 encrypted local storage with optional cloud synchronization for interoperability. As a use case, we integrated a non-invasive anemia screening module leveraging fingernail pallor analysis. Trained on 250 patient cases (27\% anemia prevalence) with KDE-balanced data, the Random Forest model achieved a test RMSE of 1.969 g/dL and MAE of 1.490 g/dL. A severity-based model reached 79.2\% sensitivity. To optimize performance, a YOLOv8n-based nail bed detector was quantized to INT8, reducing inference latency from 46.96 ms to 21.50 ms while maintaining mAP@0.5 at 0.995. The system emphasizes low-cost deployment, modularity, and data privacy compliance (HIPAA/GDPR), addressing critical barriers to digital health adoption in disconnected settings. Our work demonstrates a scalable approach to enhance portable health information systems and support frontline healthcare in underserved regions.
• Abstract（参考訳）: リモートでリソース制限のある環境のための医療システムの設計は、相互運用性の欠如、オフラインサポートの欠如、コストのかかるインフラへの依存など、永続的な課題に直面している。 既存のデジタルヘルスソリューションの多くは、これらの制約を無視しており、保存されていない地域の最前線の医療従事者に対する効果を制限している。 本稿では,オフライン操作,セキュアな患者データ管理,モジュール型診断統合に最適化されたポータブルでエッジ対応の電子健康記録プラットフォームを提案する。 AES-256暗号化されたローカルストレージと、相互運用性のためのオプションのクラウド同期を提供する。 本症例では指爪口蓋分析を応用した非侵襲性貧血スクリーニングモジュールを応用した。 KDEバランスデータを用いて250例 (27\%貧血有病率) でトレーニングしたランダムフォレストモデルでは, RMSE 1.969 g/dL, MAE 1.490 g/dLが得られた。 重度モデルでは79.2\%の感度に達した。 性能を最適化するため、YOLOv8nベースの爪床検出器がINT8に量子化され、推論遅延を46.96msから21.50msに低減し、mAP@0.5を0.995に維持した。 このシステムは、低コストなデプロイメント、モジュール性、データプライバシコンプライアンス(HIPAA/GDPR)を強調し、接続不能な環境でのデジタルヘルスの採用に対する重要な障壁に対処する。 我々の研究は、携帯型医療情報システムを強化し、未保存地域の医療を最前線で支援するためのスケーラブルなアプローチを示す。

関連論文リスト

• Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
  大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。 LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。 敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。 私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
  論文  参考訳（メタデータ） (2025-07-30T08:44:22Z)
• Computer Vision for Real-Time Monkeypox Diagnosis on Embedded Systems [0.0]
  本研究では,NVIDIA Jetson Orin Nano上に展開するAI駆動型診断ツールを提案する。 このモデルはオープンソースのMonkeypox Skin Lesionデータセットでトレーニングされ、93.07%のF1スコアを達成した。 この診断ツールは、未保存地域の診断問題に対処するために、効率的でスケーラブルでエネルギーを意識したソリューションである。
  論文  参考訳（メタデータ） (2025-07-23T01:53:31Z)
• A Modular Approach for Clinical SLMs Driven by Synthetic Data with Pre-Instruction Tuning, Model Merging, and Clinical-Tasks Alignment [46.776978552161395]
  小型言語モデル(SLM)は、GPT-4のような大規模言語モデルに代わる費用対効果を提供する。 SLMは費用対効果のある代替手段を提供するが、その限られた能力は生物医学的な領域適応を必要とする。 本研究では,SLMを高性能な臨床モデルに適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T21:40:21Z)
• VAE-based Feature Disentanglement for Data Augmentation and Compression in Generalized GNSS Interference Classification [42.14439854721613]
  干渉の正確な分類を可能にする重要な潜伏特徴を抽出するために, アンタングル化のための変分オートエンコーダ (VAE) を提案する。 提案するVAEは512から8,192の範囲のデータ圧縮率を実現し,99.92%の精度を実現している。
  論文  参考訳（メタデータ） (2025-04-14T13:38:00Z)
• A Vector-Quantized Foundation Model for Patient Behavior Monitoring [43.02353546717171]
  本稿では,スマートフォンやウェアラブルデバイスからの実世界のデータを処理するために設計されたベクトル量子化変分自動エンコーダを改良した基礎モデルを提案する。 本研究では, 個別の潜伏表現を利用して, 微調整を必要とせず, 2つの下流課題, 自殺リスク評価, 情緒的状態予測を効果的に実施した。
  論文  参考訳（メタデータ） (2025-03-19T14:01:16Z)
• Design and Implementation of a Scalable Clinical Data Warehouse for Resource-Constrained Healthcare Systems [0.0]
  本研究は、リソース制限設定における異種EHR統合のために設計された、スケーラブルでプライバシに制限された臨床データウェアハウスであるNCDWを提案する。 このフレームワークは、ICD-11やHL7 FHIRといった標準に適合するように、摂食層を変更することで、開発途上国のさまざまな医療環境に適応することができる。
  論文  参考訳（メタデータ） (2025-02-23T18:19:30Z)
• IoT-Based Real-Time Medical-Related Human Activity Recognition Using Skeletons and Multi-Stage Deep Learning for Healthcare [1.5236380958983642]
  IoT(Internet of Things)とモバイル技術は、患者のリアルタイムモニタリングと診断を可能にすることによって、医療を大きく変革した。 HMR(Human Motion Recognition)は、高い計算要求、低い精度、限られた適応性といった課題を継続する。 本研究は,IoTと統合した多段階深層学習技術を活用したMRHA検出のための新しいHMR手法を提案する。
  論文  参考訳（メタデータ） (2025-01-13T03:41:57Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• 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)
• MedAide: Leveraging Large Language Models for On-Premise Medical Assistance on Edge Devices [7.042194397224198]
  大規模言語モデル(LLM)は、その顕著な自然言語処理(NLP)能力によって、様々な領域に革命をもたらしている。 しかし,資源制約のあるエッジコンピューティングや組み込みシステムにLLMをデプロイすることは,大きな課題となる。 これらの課題には、限られた医療施設とインフラを備えた遠隔地での医療支援の提供が含まれる。
  論文  参考訳（メタデータ） (2024-02-28T08:30:49Z)
• Multi-Slice Net: A novel light weight framework for COVID-19 Diagnosis [38.32234937094937]
  本稿では,CTスキャンを用いた軽量な新型コロナウイルス診断フレームワークを提案する。 特徴抽出器として強力なバックボーンネットワークを用い,識別的スライスレベルの特徴を抽出する。 これらの特徴は、患者レベル診断を得るために、軽量ネットワークによって集約される。
  論文  参考訳（メタデータ） (2021-08-09T02:46:11Z)
• Collaborative Federated Learning For Healthcare: Multi-Modal COVID-19 Diagnosis at the Edge [5.258947981618588]
  我々は,医療におけるエッジコンピューティングの能力を活用し,臨床ビジュアルデータのインテリジェントな処理の可能性を分析し,評価する。 本研究では,CFL(Clustered federated Learning)の概念を,新型コロナの自動診断に応用した。 2つのベンチマークデータセットの異なる実験セットアップの下で,提案フレームワークの性能を評価する。
  論文  参考訳（メタデータ） (2021-01-19T08:40:59Z)

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。