Fugu-MT 論文翻訳(概要): Multimodal Bayesian Network for Robust Assessment of Casualties in Autonomous Triage

論文の概要: Multimodal Bayesian Network for Robust Assessment of Casualties in Autonomous Triage

arxiv url: http://arxiv.org/abs/2512.18908v1
Date: Sun, 21 Dec 2025 22:59:58 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-23 18:54:32.553909
Title: Multimodal Bayesian Network for Robust Assessment of Casualties in Autonomous Triage
Title（参考訳）: 自律トリアージにおける因果関係のロバスト評価のためのマルチモーダルベイズネットワーク
Authors: Szymon Rusiecki, Cecilia G. Morales, Kimberly Elenberg, Leonard Weiss, Artur Dubrawski,
Abstract要約: 重篤な出血,呼吸困難,身体的警戒,可視的外傷の兆候を推定し,複数のコンピュータビジョンモデルから出力を融合する決定支援フレームワークを提案する。従来のデータ駆動モデルとは異なり、我々のアプローチはトレーニングデータを必要としず、不完全な情報による推論をサポートし、ノイズや不確実な観測に対して堅牢である。ベイジアンネットワークモデルは視覚のみのベースラインを大幅に上回る性能を示した。
参考スコア（独自算出の注目度）: 12.785767278866274
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Mass Casualty Incidents can overwhelm emergency medical systems and resulting delays or errors in the assessment of casualties can lead to preventable deaths. We present a decision support framework that fuses outputs from multiple computer vision models, estimating signs of severe hemorrhage, respiratory distress, physical alertness, or visible trauma, into a Bayesian network constructed entirely from expert-defined rules. Unlike traditional data-driven models, our approach does not require training data, supports inference with incomplete information, and is robust to noisy or uncertain observations. We report performance for two missions involving 11 and 9 casualties, respectively, where our Bayesian network model substantially outperformed vision-only baselines during evaluation of our system in the DARPA Triage Challenge (DTC) field scenarios. The accuracy of physiological assessment improved from 15% to 42% in the first scenario and from 19% to 46% in the second, representing nearly threefold increase in performance. More importantly, overall triage accuracy increased from 14% to 53% in all patients, while the diagnostic coverage of the system expanded from 31% to 95% of the cases requiring assessment. These results demonstrate that expert-knowledge-guided probabilistic reasoning can significantly enhance automated triage systems, offering a promising approach to supporting emergency responders in MCIs. This approach enabled Team Chiron to achieve 4th place out of 11 teams during the 1st physical round of the DTC.
Abstract（参考訳）: 大量死亡事件は緊急医療システムに圧倒され、死傷者評価の遅れやエラーが原因で死亡の予防につながる。本稿では、複数のコンピュータビジョンモデルからの出力を融合し、重症出血、呼吸困難、身体的警戒、または可視的外傷の兆候を推定する決定支援フレームワークを、専門家が定義したルールから完全に構築したベイズネットワークに提示する。従来のデータ駆動モデルとは異なり、我々のアプローチはトレーニングデータを必要としず、不完全な情報による推論をサポートし、ノイズや不確実な観測に対して堅牢である。 DARPAトライアージチャレンジ(DTC)フィールドシナリオにおいて,ベイジアンネットワークモデルは,システム評価において視覚のみのベースラインを大幅に上回る性能を示した。生理的評価の精度は,第1シナリオでは15%から42%,第2シナリオでは19%から46%に向上した。さらに, 全身トリアージ精度は全患者の14%から53%に上昇し, 診断範囲は31%から95%に拡大した。これらの結果から,MCIにおける緊急対応者を支援するための有望なアプローチとして,専門家が指導する確率論的推論が,自動トリアージシステムを大幅に強化できることが示唆された。このアプローチにより、チーム・チロンはDTCの第1ラウンドで11チーム中4位を獲得した。

関連論文リスト

Selective Diabetic Retinopathy Screening with Accuracy-Weighted Deep Ensembles and Entropy-Guided Abstention [0.0]
糖尿病網膜症(DR)は2030年までに全世界で1億3000万人以上の患者に影響を与えると予測されている。不確実性推定と統合された深層アンサンブル学習フレームワークを導入し,DR検出における堅牢性,透明性,スケーラビリティを向上させる。 35,000個のEyePACS網膜基底画像のトレーニングと検証は、未濾過の精度93.70%を生み出した。
論文参考訳（メタデータ） (2025-10-29T04:16:04Z)
Cross-dataset Multivariate Time-series Model for Parkinson's Diagnosis via Keyboard Dynamics [1.4895002251586484]
パーキンソン病(PD)は世界的な課題となり、1000万人以上の人に影響を与えている。本稿では,キーストロークダイナミックスを非侵襲的かつスケーラブルなバイオマーカーとして活用し,遠隔PDスクリーニングと遠隔監視を実現するパイプラインを提案する。
論文参考訳（メタデータ） (2025-10-10T17:42:08Z)
An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文参考訳（メタデータ） (2025-06-25T13:42:26Z)
Enhancing clinical decision support with physiological waveforms -- a multimodal benchmark in emergency care [0.9503773054285559]
本稿では,救急医療におけるマルチモーダル意思決定支援を推進すべく,データセットとベンチマークプロトコルを提案する。本モデルでは, 人口統計, バイオメトリックス, バイタルサイン, 検査値, 心電図(ECG)波形を入力として, 放電診断と患者の劣化の双方を予測する。
論文参考訳（メタデータ） (2024-07-25T08:21:46Z)
Empowering Tuberculosis Screening with Explainable Self-Supervised Deep Neural Networks [66.59360534642579]
結核は、特に資源に制限された人口や遠隔地において、世界的な健康危機として存続している。本研究では,結核症例検診に適した自己指導型自己学習ネットワークを提案する。ネットワーク全体の精度は98.14%で、それぞれ95.72%と99.44%という高いリコール率と精度を示している。
論文参考訳（メタデータ） (2024-06-19T18:10:06Z)
COVID-Net CT-S: 3D Convolutional Neural Network Architectures for COVID-19 Severity Assessment using Chest CT Images [85.00197722241262]
我々は、新型コロナウイルス感染による肺疾患の重症度を予測するための深層畳み込みニューラルネットワークであるCOVID-Net CT-Sを紹介した。 3D残像設計を利用して、新型コロナウイルスの肺疾患の重症度を特徴付ける容積的視覚指標を学習する。
論文参考訳（メタデータ） (2021-05-04T04:44:41Z)
UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文参考訳（メタデータ） (2020-10-22T02:28:11Z)
An artificial intelligence system for predicting the deterioration of COVID-19 patients in the emergency department [28.050958444802944]
新型コロナウイルス感染症(COVID-19)のパンデミックでは、救急署の患者を迅速かつ正確にトリアージすることが重要である。胸部X線画像から学習したディープニューラルネットワークを用いて,データ駆動による劣化リスクの自動予測手法を提案する。我々は3,661人の患者から得られたデータを用いて,96時間以内の劣化を予測した場合に,受信者の動作特性曲線(AUC)が0.786未満の領域を達成した。
論文参考訳（メタデータ） (2020-08-04T19:20:31Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。