論文の概要: Development and Evaluation of an AI-Driven Telemedicine System for Prenatal Healthcare
- arxiv url: http://arxiv.org/abs/2510.01194v1
- Date: Tue, 26 Aug 2025 17:51:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.045671
- Title: Development and Evaluation of an AI-Driven Telemedicine System for Prenatal Healthcare
- Title（参考訳）: 出生前医療のためのAI駆動遠隔医療システムの開発と評価
- Authors: Juan Barrientos, Michaelle Pérez, Douglas González, Favio Reyna, Julio Fajardo, Andrea Lara,
- Abstract要約: 本研究は,助産師が診断に関連のある胎児画像を取得するのを支援するために設計された,ヒト・イン・ザ・ループ人工知能(AI)システムを提案する。
このシステムには、分類モデルと、非同期専門家レビューのためのWebベースのプラットフォームが組み込まれている。
フィールド評価では, 良好なユーザビリティと認知負荷の低さが示され, 未保存領域における出生前画像へのアクセスを拡大する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.14074017875514785
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Access to obstetric ultrasound is often limited in low-resource settings, particularly in rural areas of low- and middle-income countries. This work proposes a human-in-the-loop artificial intelligence (AI) system designed to assist midwives in acquiring diagnostically relevant fetal images using blind sweep protocols. The system incorporates a classification model along with a web-based platform for asynchronous specialist reviews. By identifying key frames in blind sweep studies, the AI system allows specialists to concentrate on interpretation rather than having to review entire videos. To evaluate its performance, blind sweep videos captured by a small group of soft-trained midwives using a low-cost Point-of-Care Ultrasound (POCUS) device were analyzed. The system demonstrated promising results in identifying standard fetal planes from sweeps made by non-experts. A field evaluation indicated good usability and a low cognitive workload, suggesting that it has the potential to expand access to prenatal imaging in underserved regions.
- Abstract（参考訳）: 特に低所得国や中所得国の農村地域では、産婦人科の超音波へのアクセスが制限されることが多い。
本研究は,助産師がブラインド・スイープ・プロトコルを用いて診断に関連のある胎児画像を取得するのを支援するために設計された,ループ内人工知能(AI)システムを提案する。
このシステムには、分類モデルと、非同期専門家レビューのためのWebベースのプラットフォームが組み込まれている。
ブラインド・スイープの研究において重要なフレームを特定することで、AIシステムは、専門家がビデオ全体をレビューする代わりに解釈に集中できるようにする。
その性能を評価するため,安価なPOCUS(Point-of-Care Ultrasound)デバイスを用いて,ソフトトレーニング中産児の少人数グループによって撮影されたブラインド・スイープ映像を解析した。
本システムは,非専門家によるスイープから標準胎児平面を同定する有望な結果を示した。
フィールド評価では, 良好なユーザビリティと認知負荷の低さが示され, 未保存領域における出生前画像へのアクセスを拡大する可能性が示唆された。
関連論文リスト
- VA-Adapter: Adapting Ultrasound Foundation Model to Echocardiography Probe Guidance [57.43511837589102]
我々は、膨大なデータセットから基礎モデルで学習した医療知識をプローブガイダンスタスクに適用する。
我々は,基礎モデルのイメージエンコーダが視覚アクションシーケンスをエンコードできるように,パラメータ効率のよいビジュアル・アクション・アダプタ (VA-Adapter) を巧みに設計する。
VA-Adapterは、コンパクトな設計でシーケンシャル推論機能を組み込むことで、事前訓練された超音波基礎モデルにより、精密なプローブ調整戦略を学習することができる。
論文 参考訳（メタデータ） (2025-10-08T09:38:30Z) - A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
一般臨床用超音波基礎モデルであるEchoCareについて紹介する。
我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。
最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
論文 参考訳（メタデータ） (2025-09-15T10:05:31Z) - Decision-based AI Visual Navigation for Cardiac Ultrasounds [0.7825791212345073]
本稿では、心臓の下大静脈(IVC)を特定するための意思決定モデルに基づいて、新しいAIナビゲーションシステムを示す。
基礎となるモデルは、学習した特徴表現を利用して、ITVの空間的位置をリアルタイムでアノテートする新しいローカライゼーションアルゴリズムを統合する。
我々のモデルは、従来の高品質の病院用超音波ビデオに強いローカライゼーション性能を示し、より安価なButterfly iQハンドヘルド超音波マシンの低品質超音波ビデオに印象的なゼロショット性能を示す。
論文 参考訳（メタデータ） (2025-04-16T23:54:46Z) - Measuring proximity to standard planes during fetal brain ultrasound scanning [8.328549443700858]
本稿では,超音波(US)平面を臨床利用に近づけるための新しいパイプラインを提案する。
ラベル付きSPとラベルなしUSボリュームスライスの両方を利用した半教師付きセグメンテーションモデルを提案する。
本モデルでは, 胎児の脳画像に対して, 信頼性の高いセグメンテーションを可能にする。
論文 参考訳（メタデータ） (2024-04-10T16:04:21Z) - Intelligent Robotic Sonographer: Mutual Information-based Disentangled
Reward Learning from Few Demonstrations [42.731081399649916]
この研究は、インテリジェントなロボットソノグラフィーによって、自律的に標的解剖を発見」し、専門家から学ぶことによって、米国のプローブを関連する2D平面にナビゲートすることを提案する。
専門家による基礎となる高レベルの生理的知識は神経報酬関数によって推測される。
提案した高度なフレームワークは、生き生きとしたヒトの頸動脈データだけでなく、さまざまな幻影や見えない幻影を強く扱うことができる。
論文 参考訳（メタデータ） (2023-07-07T16:30:50Z) - Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [51.644376281196394]
診断に医用画像を使用する場合,画像が高品質であることが重要である。
遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。
本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
論文 参考訳（メタデータ） (2022-07-06T14:53:26Z) - AI system for fetal ultrasound in low-resource settings [6.601152168099057]
妊娠年齢 (GA) と胎児の誤表現を推定するために, 初心者が取得した"盲検"超音波ビデオを用いた人工知能システムを開発し, 検証した。
我々のAIモデルは、低リソース設定で軽量に訓練された超音波オペレーターの能力の高水準化を支援する可能性がある。
論文 参考訳（メタデータ） (2022-03-18T19:39:34Z) - Towards A Device-Independent Deep Learning Approach for the Automated
Segmentation of Sonographic Fetal Brain Structures: A Multi-Center and
Multi-Device Validation [0.0]
胎児脳USG画像(2D)から得られた2軸平面から10個の重要な胎児脳構造の自動分割のためのDLベースセグメンテーションフレームワークを提案する。
提案するDLシステムは,有望かつ汎用的な性能(マルチセンタ,マルチデバイス)を提供し,画像品質のデバイスによる変動を支持する証拠を提示する。
論文 参考訳（メタデータ） (2022-02-28T05:42:03Z) - Voice-assisted Image Labelling for Endoscopic Ultrasound Classification
using Neural Networks [48.732863591145964]
本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。
その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
論文 参考訳（メタデータ） (2021-10-12T21:22:24Z) - 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) - Explaining Clinical Decision Support Systems in Medical Imaging using
Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。
臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。
そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文 参考訳（メタデータ） (2020-10-09T14:39:27Z)
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。