論文の概要: Towards Objective Gastrointestinal Auscultation: Automated Segmentation and Annotation of Bowel Sound Patterns

• arxiv url: http://arxiv.org/abs/2603.07215v1
• Date: Sat, 07 Mar 2026 13:45:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.094608
• Title: Towards Objective Gastrointestinal Auscultation: Automated Segmentation and Annotation of Bowel Sound Patterns
• Title（参考訳）: 目的性消化管オースカルテーションに向けて:ボウエル音響パターンの自動分割とアノテーション
• Authors: Zahra Mansour, Verena Uslar, Dirk Weyhe, Danilo Hollosi, Nils Strodthoff,
• Abstract要約: ボウエル音(BS)は、典型的には一時的であり、振幅が低いため、手動の聴力によって正確に検出することが困難である。 デジタル音響センサは高品質なBSの取得を可能にし、自動信号解析を可能にする。 本研究では, ウェアラブル音響センサSonicGuardを用いて, 腸音のセグメンテーションと分類のための自動パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 3.0634318004359664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bowel sounds (BS) are typically momentary and have low amplitude, making them difficult to detect accurately through manual auscultation. This leads to significant variability in clinical assessment. Digital acoustic sensors allow the acquisition of high-quality BS and enable automated signal analysis, offering the potential to provide clinicians with both objective and quantitative feedback on bowel activity. This study presents an automated pipeline for bowel sound segmentation and classification using a wearable acoustic SonicGuard sensor. BS signals from 83 subjects were recorded using a SonicGuard sensor. Data from 40 subjects were manually annotated by clinical experts and used to train an automatic annotation algorithm, while the remaining subjects were used for further model evaluation. An energy-based event detection algorithm was developed to detect BS events. Detected sound segments were then classified into BS patterns using a pretrained Audio Spectrogram Transformer (AST) model. Model performance was evaluated separately for healthy individuals and patients. The best configuration used two specialized models, one trained on healthy subjects and one on patients, achieving (accuracy: 0.97, AUROC: 0.98) for healthy group and (accuracy: 0.96, AUROC: 0.98) for patient group. The auto-annotation method reduced manual labeling time by approximately 70%, and expert review showed that less than 12% of automatically detected segments required correction. The proposed automated segmentation and classification system enables quantitative assessment of bowel activity, providing clinicians with an objective diagnostic tool that may improve the diagnostic of gastrointestinal function and support the annotation of large-scale datasets.
• Abstract（参考訳）: ボウエル音(BS)は通常、一時的なもので振幅が低いため、手動の聴力によって正確に検出することが困難である。 これは臨床評価において有意な変動をもたらす。 デジタル音響センサーは高品質なBSの取得を可能にし、自動信号分析を可能にし、臨床医に腸の活動に対する客観的かつ定量的なフィードバックを提供する。 本研究では, ウェアラブル音響センサSonicGuardを用いて, 腸音分節と分類のための自動パイプラインを提案する。 被験者83名からのBS信号をSonicGuardセンサーを用いて記録した。 40名の被験者のデータを臨床専門家が手動でアノテートし、自動アノテーションアルゴリズムのトレーニングに使用し、残りの被験者はさらなるモデル評価に使用した。 BSイベントを検出するためのエネルギーベースイベント検出アルゴリズムを開発した。 検出された音声セグメントは、事前訓練されたオーディオスペクトログラム変換器(AST)モデルを用いてBSパターンに分類された。 健康な人や患者に対して,モデル性能を別々に評価した。 最も優れた構成では、健康な被験者に訓練されたモデルと患者に訓練されたモデルが2つあり、健康なグループには0.97、AUROC:0.98、患者グループには0.96、AUROC:0.98が達成された。 自動注記法では手動のラベリング時間を約70%短縮し, 専門家レビューでは, 自動検出セグメントの12%未満が修正が必要であった。 自動分節分類システムにより,腸活動の定量的評価が可能となり,消化管機能診断を改善し,大規模データセットのアノテーションをサポートする客観的診断ツールが医院に提供される。

関連論文リスト

• Retrieving Patient-Specific Radiomic Feature Sets for Transparent Knee MRI Assessment [42.97456036889799]
  古典的な放射能の特徴は、画像の外観と強度パターンを定量化するように設計されている。 近年の適応放射能の研究では、DLを用いて放射能プール上の特徴量を予測する。 本稿では,患者ごとにひとつのコンパクトな特徴セットを予測できる,患者固有の特徴セット選択フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-02T20:12:41Z)
• Benchmarking machine learning for bowel sound pattern classification from tabular features to pretrained models [2.235474969689758]
  このデータセットは、ボーエル音のパターンを検出し/または分類するための機械学習モデルの性能を評価するために使用される。 結果は、特にサンプルが少ないクラスの検出において、事前訓練されたモデルの明らかな優位性を強調した。 これらの結果から,全身的な腸音の理解が向上し,今後の消化器検査への機械学習による診断応用が期待できる。
  論文  参考訳（メタデータ） (2025-02-21T17:22:48Z)
• MADUV: The 1st INTERSPEECH Mice Autism Detection via Ultrasound Vocalization Challenge [39.014730677559974]
  超音波による自閉症検出(MADUV)チャレンジでは、マウスの発声による自閉症スペクトラム障害(ASD)の検出に焦点を当てた最初のInterSPEECHチャレンジが導入されている。 参加者は、サンプリング率の高い記録に基づいて、マウスをワイルドタイプまたはASDモデルとして自動的に分類するモデルを開発することを義務付けられている。 その結果, 可聴域の特徴を最大限に発揮し, 自動ASD検出の実現可能性を示した。
  論文  参考訳（メタデータ） (2025-01-08T05:32:55Z)
• Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
  本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。 異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。 このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
  論文  参考訳（メタデータ） (2024-03-26T12:20:10Z)
• Identifying visible tissue in intraoperative ultrasound: a method and application [3.076170146656896]
  術中超音波検査は, 必要なビゾタクタクタブル・タスクである。 根底にある可視組織を特定するために,反復フィルタリングとトポロジカル手法を提案する。 プローブ組織接触の信頼性評価を行うための新しい枠組みを作成する。
  論文  参考訳（メタデータ） (2023-06-01T23:06:14Z)
• Automatic Detection of Noisy Electrocardiogram Signals without Explicit Noise Labels [12.176026483486252]
  ノイズの多いECGサンプルを自動的に検出する2段階のディープラーニングベースのフレームワークを提案する。 本フレームワークは, わずかに, 非常にノイズの多いECGサンプルを効果的に検出できる。 また、あるデータセットで学習したモデルの別のデータセットへの転送について検討し、このフレームワークがノイズの多いECGサンプルを効果的に検出することを観察する。
  論文  参考訳（メタデータ） (2022-08-08T17:16:16Z)
• Hybrid Artifact Detection System for Minute Resolution Blood Pressure Signals from ICU [1.8374319565577155]
  本稿では, 変分オートエンコーダと統計的検出成分を組み合わせたハイブリッド人工物検出システムについて検討する。 予備的な結果は,90%を超える感度と特異度を連続的に達成できることを示唆している。
  論文  参考訳（メタデータ） (2022-03-11T14:36:52Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Assisted Probe Positioning for Ultrasound Guided Radiotherapy Using Image Sequence Classification [55.96221340756895]
  前立腺外照射療法における経皮的超音波画像誘導は, 患者設定中の各セッションにおけるプローブと前立腺の整合性を必要とする。 本研究では,画像とプローブ位置データの共同分類により,高精度なプローブ配置を確保する方法を示す。 マルチ入力マルチタスクアルゴリズムを用いて、光学的追跡された超音波プローブからの空間座標データを、繰り返しニューラルネットワークを用いて画像クラスシファイアと組み合わせ、リアルタイムで2セットの予測を生成する。 このアルゴリズムは平均(標準偏差)3.7$circ$ (1.2$circ$)の範囲内で最適なプローブアライメントを同定する。
  論文  参考訳（メタデータ） (2020-10-06T13:55:02Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。