論文の概要: A Framework for Feature Discovery in Intracranial Pressure Monitoring Data Using Neural Network Attention

• arxiv url: http://arxiv.org/abs/2601.07691v1
• Date: Mon, 12 Jan 2026 16:19:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.590175
• Title: A Framework for Feature Discovery in Intracranial Pressure Monitoring Data Using Neural Network Attention
• Title（参考訳）: ニューラルネットワークを用いた頭蓋内圧モニタリングデータの特徴発見フレームワーク
• Authors: Jonathan D. Socha, Seyed F. Maroufi, Dipankar Biswas, Richard Um, Aruna S. Rao, Mark G. Luciano,
• Abstract要約: ジョンズホプキンスで60名の患者から頭蓋内圧モニタリングデータを収集した。 畳み込みニューラルネットワークは、各心循環を7つの身体位置のうちの1つに分類するように訓練された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present a novel framework for analyzing intracranial pressure monitoring data by applying interpretability principles. Intracranial pressure monitoring data was collected from 60 patients at Johns Hopkins. The data was segmented into individual cardiac cycles. A convolutional neural network was trained to classify each cardiac cycle into one of seven body positions. Neural network attention was extracted and was used to identify regions of interest in the waveform. Further directions for exploration are identified. This framework provides an extensible method to further understand the physiological and clinical underpinnings of the intracranial pressure waveform, which could lead to better diagnostic capabilities for intracranial pressure monitoring.
• Abstract（参考訳）: 本稿では,解釈可能性原理を適用して頭蓋内圧モニタリングデータを解析するための新しい枠組みを提案する。 ジョンズホプキンスで60名の患者から頭蓋内圧モニタリングデータを収集した。 データは個々の心臓循環に分割された。 畳み込みニューラルネットワークは、各心循環を7つの身体位置のうちの1つに分類するように訓練された。 ニューラルネットワークの注意を抽出し,波形の関心領域の同定に利用した。 探索のさらなる方向が特定される。 この枠組みは、頭蓋内圧波形の生理的および臨床的基盤をさらに理解するための拡張可能な方法を提供し、頭蓋内圧モニタリングのより良い診断能力をもたらす可能性がある。

関連論文リスト

• Improving segmentation of retinal arteries and veins using cardiac signal in doppler holograms [2.1194651766074424]
  経時的ドプラホログラムにおける動脈-静脈分画の簡便かつ効果的なアプローチを提案する。 専用のパルス解析パイプラインから派生した特徴を組み込むことで,従来のU-Netの時間的ダイナミクスを活用できる。 これらの結果は,時間分解前処理がドップラーホログラフィーの深層学習の可能性を完全に解き放つことを示唆している。
  論文  参考訳（メタデータ） (2025-11-18T16:49:20Z)
• Force Sensing Guided Artery-Vein Segmentation via Sequential Ultrasound Images [14.349652168367767]
  本研究は,動脈-静脈間分節精度を高めるために,新しい力覚誘導分節法を提案する。 提案手法は,超音波画像の列において,最も顕著な血管変形を伴う鍵フレームの同定に力量を用いる。 負荷と画像データの両方を同時に含む最初のマルチモーダル超音波静脈分割データセットMus-Vをコントリビュートする。
  論文  参考訳（メタデータ） (2024-07-31T07:32:18Z)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Fusing Echocardiography Images and Medical Records for Continuous Patient Stratification [16.93115087698284]
  本研究は, 高血圧症と診断し難い連続体を用いて, 心血管系病理の表現を学習する手法を提案する。 提案手法はまず各変数をモダリティ固有のアプローチを用いて表現空間に射影する。 これらの標準化されたマルチモーダルデータの表現は、Transformerエンコーダに送られ、臨床評価を予測するタスクを通じて、患者の包括的な表現にマージすることを学ぶ。 239人の高血圧患者のコホートでこの連続体に沿った主要な傾向を観察し、高血圧が様々な心機能記述因子に与える影響について、前例のない詳細を報告した。
  論文  参考訳（メタデータ） (2024-01-15T16:04:46Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Learning Personal Representations from fMRIby Predicting Neurofeedback Performance [52.77024349608834]
  機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。 この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
  論文  参考訳（メタデータ） (2021-12-06T10:16:54Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。