論文の概要: AURA: Development and Validation of an Augmented Unplanned Removal Alert System using Synthetic ICU Videos

• arxiv url: http://arxiv.org/abs/2511.12241v1
• Date: Sat, 15 Nov 2025 14:52:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.696124
• Title: AURA: Development and Validation of an Augmented Unplanned Removal Alert System using Synthetic ICU Videos
• Title（参考訳）: AURA:合成ICUビデオを用いた無計画除去アラートシステムの開発と検証
• Authors: Junhyuk Seo, Hyeyoon Moon, Kyu-Hwan Jung, Namkee Oh, Taerim Kim,
• Abstract要約: 集中治療室 (ICUs) における非計画的外挿 (UE) の重要性 AURA(Augmented Unplanned removal Alert)は、完全に合成されたビデオデータセットに基づいて開発・検証された視覚ベースのリスク検出システムである。
• 参考スコア（独自算出の注目度）: 1.8993428741072542
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Unplanned extubation (UE) remains a critical patient safety concern in intensive care units (ICUs), often leading to severe complications or death. Real-time UE detection has been limited, largely due to the ethical and privacy challenges of obtaining annotated ICU video data. We propose Augmented Unplanned Removal Alert (AURA), a vision-based risk detection system developed and validated entirely on a fully synthetic video dataset. By leveraging text-to-video diffusion, we generated diverse and clinically realistic ICU scenarios capturing a range of patient behaviors and care contexts. The system applies pose estimation to identify two high-risk movement patterns: collision, defined as hand entry into spatial zones near airway tubes, and agitation, quantified by the velocity of tracked anatomical keypoints. Expert assessments confirmed the realism of the synthetic data, and performance evaluations showed high accuracy for collision detection and moderate performance for agitation recognition. This work demonstrates a novel pathway for developing privacy-preserving, reproducible patient safety monitoring systems with potential for deployment in intensive care settings.
• Abstract（参考訳）: 非計画的外挿(UE)は、集中治療単位(ICU)において重要な患者の安全上の問題であり、しばしば重篤な合併症や死亡につながる。 リアルタイムUE検出は、主に注釈付きICUビデオデータを取得するという倫理的およびプライバシー上の課題のために制限されている。 AURA(Augmented Unplanned removal Alert)は、完全に合成されたビデオデータセットに基づいて開発、検証された視覚ベースのリスク検出システムである。 テキストとビデオの拡散を利用して、さまざまな患者行動やケアコンテキストを捉えた多彩で臨床的に現実的なICUシナリオを作成した。 このシステムは2つの高リスク運動パターンを推定するためにポーズ推定を適用している。衝突は気道管近傍の空間領域への手入力として定義され、加速度は追跡された解剖学的キーポイントの速度によって定量化される。 専門家による評価により, 合成データの現実性が確認され, 衝突検出の精度が向上し, 動揺認識の適度な性能が得られた。 この研究は、集中治療環境に展開する可能性のある、プライバシ保護で再現可能な患者安全監視システムを開発するための新しい道筋を示す。

関連論文リスト

• MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction [50.74903497515021]
  セプシス(Sepsis)は、集中治療室(ICUs)の高死亡にともなう致命的な感染症である。 早期かつ正確な敗血症予測(SP)は、時間的介入には重要であるが、微妙な早期症状と急激な死亡率の増大により、依然として困難である。 本稿では,拡張された特徴ビューを構築するための多言語ビュー表現強化(MERE)機構と,時間的表現学習のためのCDTAモジュールを提案する。 提案したMEET-Sepsis フレームワークは,SOTA 法で要求される ICU モニタリング時間の 20% のみを用いて,競合予測の精度を実現し,大幅に向上した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:29Z)
• AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence [4.494833548150712]
  我々は、患者を継続的に監視する現実世界の異常検知システムであるPulseにAIを導入する。 SoTA(State-of-the-art)のユニバーサル時系列モデルであるUniTSによって、我々のフレームワークは患者のユニークな生理的および行動的パターンを自律的に学習する。
  論文  参考訳（メタデータ） (2025-08-05T13:24:15Z)
• Continuous Patient Monitoring with AI: Real-Time Analysis of Video in Hospital Care Settings [0.0]
  本研究は, 病院環境における継続的および受動的患者モニタリングのためのAI駆動型プラットフォームを提案する。 このプラットフォームは、ビデオ分析を通じて患者の行動と相互作用に関するリアルタイムな洞察を提供する。 このデータセットは11人の病院パートナーと共同で作成され、300人以上の高リスクの転倒患者を対象とする。
  論文  参考訳（メタデータ） (2024-12-17T18:23:33Z)
• Bed-Attached Vibration Sensor System: A Machine Learning Approach for Fall Detection in Nursing Homes [33.45861095003339]
  本研究は,医療用ベッドに内蔵された自動転倒検知システムの開発であり,ウェアラブルやビデオ監視を通じて患者のプライバシーを損なうことなく,患者の安全性を高めることを目的としている。 ベッドフレームを介して伝達される機械的振動は、短時間のフーリエ変換を用いて処理され、畳み込みニューラルネットワークを用いて、異なる人間の落下パターンの堅牢な分類を可能にする。 利用可能なデータが限られているにもかかわらず、提案システムは、転倒に対する正確かつ迅速な対応の可能性を示し、健康への影響を軽減し、高齢化人口のニーズに対処する。
  論文  参考訳（メタデータ） (2024-12-06T11:08:47Z)
• VSViG: Real-time Video-based Seizure Detection via Skeleton-based Spatiotemporal ViG [8.100646331930953]
  正確なて効率的なてんかん発作検出は、患者に有益である。 従来の診断法は、主に脳波(EEG)に依存しており、しばしば困難で移植不可能な解決策をもたらす。 骨格型時間的視覚グラフニューラルネットワークを用いて,ビデオに基づく新しいシーズーア検出モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-24T15:07:29Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• Video-Based Inpatient Fall Risk Assessment: A Case Study [23.712621878547697]
  入院中の転倒は、病院や医療施設で深刻な安全上の問題である。 患者監視のためのビデオ分析の最近の進歩は、継続的な活動監視を通じてこのリスクを低減するために、非侵襲的な方法を提供している。 本稿では,患者の転倒リスクを監視できるビデオベースシステムを提案する。
  論文  参考訳（メタデータ） (2021-05-27T13:02:29Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

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。