論文の概要: AI-Powered Early Detection of Critical Diseases using Image Processing and Audio Analysis

• arxiv url: http://arxiv.org/abs/2510.25199v1
• Date: Wed, 29 Oct 2025 06:09:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.179805
• Title: AI-Powered Early Detection of Critical Diseases using Image Processing and Audio Analysis
• Title（参考訳）: 画像処理とオーディオ解析を用いたAIによる疾患早期検出
• Authors: Manisha More, Kavya Bhand, Kaustubh Mukdam, Kavya Sharma, Manas Kawtikwar, Hridayansh Kaware, Prajwal Kavhar,
• Abstract要約: 本稿では,画像解析,サーマルイメージング,音声信号処理を統合したマルチモーダル人工知能(AI)診断フレームワークを提案する。 微細調整されたMobileNetV2畳み込みニューラルネットワークは、皮膚病変分類のためのISIC 2019データセットでトレーニングされた。 ハンドクラフト機能を備えたサポートベクターマシン(SVM)は、86.4%の精度でサーマルクロート検出に使用された。 このフレームワークは、スケーラブルでリアルタイムで、アクセス可能なAIベースの事前診断型ヘルスケアソリューションへの、有望なステップを提供する。
• 参考スコア（独自算出の注目度）: 0.4356470230135012
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Early diagnosis of critical diseases can significantly improve patient survival and reduce treatment costs. However, existing diagnostic techniques are often costly, invasive, and inaccessible in low-resource regions. This paper presents a multimodal artificial intelligence (AI) diagnostic framework integrating image analysis, thermal imaging, and audio signal processing for early detection of three major health conditions: skin cancer, vascular blood clots, and cardiopulmonary abnormalities. A fine-tuned MobileNetV2 convolutional neural network was trained on the ISIC 2019 dataset for skin lesion classification, achieving 89.3% accuracy, 91.6% sensitivity, and 88.2% specificity. A support vector machine (SVM) with handcrafted features was employed for thermal clot detection, achieving 86.4% accuracy (AUC = 0.89) on synthetic and clinical data. For cardiopulmonary analysis, lung and heart sound datasets from PhysioNet and Pascal were processed using Mel-Frequency Cepstral Coefficients (MFCC) and classified via Random Forest, reaching 87.2% accuracy and 85.7% sensitivity. Comparative evaluation against state-of-the-art models demonstrates that the proposed system achieves competitive results while remaining lightweight and deployable on low-cost devices. The framework provides a promising step toward scalable, real-time, and accessible AI-based pre-diagnostic healthcare solutions.
• Abstract（参考訳）: 悪性疾患の早期診断は、患者の生存率を著しく改善し、治療コストを低減させる。 しかし、既存の診断技術は、しばしば低コストで、侵襲的で、低リソース領域ではアクセスできない。 本稿では, 皮膚癌, 血管血塊, 心肺異常の早期発見のために, 画像解析, サーマルイメージング, 音声信号処理を統合した多モード人工知能(AI)診断フレームワークを提案する。 微調整されたMobileNetV2畳み込みニューラルネットワークは、皮膚病変分類のためのISIC 2019データセットでトレーニングされ、89.3%の精度、91.6%の感度、88.2%の特異性を達成した。 人工的および臨床的なデータに対して86.4%の精度(AUC = 0.89)を達成した。 心肺分析では、PhyloNetとPascalの肺と心臓の音響データセットはMel-Frequency Cepstral Coefficients (MFCC)を使用して処理され、ランダムフォレストで分類され、精度87.2%、感度85.7%に達した。 最先端モデルとの比較評価により,提案システムは軽量で低コストなデバイスに展開可能でありながら,競争力のある結果が得られることが示された。 このフレームワークは、スケーラブルでリアルタイムで、アクセス可能なAIベースの事前診断型ヘルスケアソリューションへの、有望なステップを提供する。

関連論文リスト

• Lightweight Classifier for Detecting Intracranial Hemorrhage in Ultrasound Data [0.5461938536945722]
  外傷性脳損傷(TBI)に続発する頭蓋内出血(ICH)は重要な診断課題である。 CT(Computed Tomography)やMRI(Magnetic Resonance Imaging)などの診断には、大きな限界がある。 超音波ティッシュパルサチリティイメージング(TPI)を用いた自動ICH検出のための機械学習手法の検討
  論文  参考訳（メタデータ） (2025-10-22T09:04:42Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
  RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。 腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
  論文  参考訳（メタデータ） (2025-08-22T17:48:19Z)
• An Explainable AI-Enhanced Machine Learning Approach for Cardiovascular Disease Detection and Risk Assessment [0.0]
  心臓病は依然として世界的な健康上の問題である。 従来の診断方法では、心臓病のリスクを正確に特定し、管理することができない。 機械学習は、心臓疾患の診断の正確性、効率、スピードを大幅に向上させる可能性がある。
  論文  参考訳（メタデータ） (2025-07-15T10:38:38Z)
• Examining Deployment and Refinement of the VIOLA-AI Intracranial Hemorrhage Model Using an Interactive NeoMedSys Platform [0.7653237341032667]
  現在の研究では、AIモデルの効率的なデプロイメントと改善を可能にする、NeoMedSysと呼ばれる放射線学ソフトウェアプラットフォームについて説明している。 実地臨床環境でのNeoMedSysの実行可能性と有効性について検討した。
  論文  参考訳（メタデータ） (2025-05-14T13:33:38Z)
• Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
  先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。 本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。 バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-28T05:47:44Z)
• Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
  光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。 FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。 我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
  論文  参考訳（メタデータ） (2024-06-18T03:04:52Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Enhanced artificial intelligence-based diagnosis using CBCT with internal denoising: Clinical validation for discrimination of fungal ball, sinusitis, and normal cases in the maxillary sinus [9.215075415688663]
  コーンビームCT(CBCT)は放射線線量とコストの低いターゲットの3次元体積像を提供する。 副鼻腔疾患の検出に広く用いられている。 CBCTは再建制約により軟部組織病変を検出する感度に欠ける。
  論文  参考訳（メタデータ） (2022-11-29T06:24:01Z)
• EMT-NET: Efficient multitask network for computer-aided diagnosis of breast cancer [58.720142291102135]
  乳腺腫瘍の分類と分別を同時に行うための,効率的で軽量な学習アーキテクチャを提案する。 腫瘍分類ネットワークにセグメンテーションタスクを組み込むことにより,腫瘍領域に着目したバックボーンネットワークで表現を学習する。 腫瘍分類の精度、感度、特異性はそれぞれ88.6%、94.1%、85.3%である。
  論文  参考訳（メタデータ） (2022-01-13T05:24:40Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。