Fugu-MT 論文翻訳(概要): Benchmark Problems and Benchmark Datasets for the evaluation of Machine and Deep Learning methods on Photoplethysmography signals: the D4 report from the QUMPHY project

論文の概要: Benchmark Problems and Benchmark Datasets for the evaluation of Machine and Deep Learning methods on Photoplethysmography signals: the D4 report from the QUMPHY project

arxiv url: http://arxiv.org/abs/2604.01398v1
Date: Wed, 01 Apr 2026 20:57:27 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-03 14:21:10.059333
Title: Benchmark Problems and Benchmark Datasets for the evaluation of Machine and Deep Learning methods on Photoplethysmography signals: the D4 report from the QUMPHY project
Title（参考訳）: フォトプレソグラフィー信号における機械学習手法の評価のためのベンチマーク問題とベンチマークデータセット:QUMPHYプロジェクトのD4報告
Abstract要約: この報告書は欧州連合(EU)が出資したQumphyプロジェクト(22HLT01 Qumphy)の一部である。機械学習アルゴリズムに関連する不確実性を定量化する尺度の開発に特化している。
参考スコア（独自算出の注目度）: 2.4204110861880728
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This report is part of the Qumphy project (22HLT01 Qumphy) that is funded by the European Union and is dedicated to the development of measures to quantify the uncertainties associated with Machine Learning algorithms applied to medical problems, in particular the analysis and processing of Photoplethysmography (PPG) signals. In this report, a list of six medical problems that are related to PPG signals and serve as Benchmark Problems is given. Suitable Benchmark datasets and their usage are described also.
Abstract（参考訳）: 本報告は、欧州連合(EU)が支援するQumphyプロジェクト(22HLT01 Qumphy)の一部であり、医学的問題、特に光プラチスモグラフィー(PPG)信号の解析と処理に適用される機械学習アルゴリズムに関連する不確実性を定量化する尺度の開発に重点を置いている。本報告では, PPG信号に関連する6つの医学的問題のリストを作成し, ベンチマーク問題として機能する。適切なベンチマークデータセットとその使用法についても説明する。

関連論文リスト

Expert-Guided g-computation with Large Language Models for Estimating Causal Effects on Timings: Applications to Hospital Quality Improvement [5.885799895696013]
この研究は、最も標準的な病院の指標の1つ、平均滞在時間(LOS)とその因果推定(平均保存時間)に焦点を当てている。両手法の相補的強みを組み合わせた専門家誘導型g-計算(卵子計算)を提案する。
論文参考訳（メタデータ） (2026-08-11T00:42:58Z)
Good Practice Guide for quantifying uncertainties for machine learning models applied to photoplethysmography signals [0.0]
このグッド・プラクティス・ガイドは、QUMPHYプロジェクト(フォトプレソグラフィー・シグナルに適用された機械学習モデルの不確実性定量化)で実施した成果を提示する。ウェアラブルデバイスからの光胸波信号を用いた問題に対する機械学習と不確実性定量化の両方を入力として検討する。機械学習モデルの種類や、回帰タスクと分類タスクの両方に適用した場合のモデルの違いについて、高度なガイダンスを提供する。
論文参考訳（メタデータ） (2026-07-22T10:32:59Z)
CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation [51.11942945171396]
従来の評価指標は、語彙重なり合いやエンティティマッチングの粗い尺度のみを提供する。我々はCT-RATEとMerlinのベンチマークであるCT-FineBenchを提案し、CTレポートの微細な事実整合性を評価する。我々のベンチマークは、綿密な質問回答(QA)ベースのプロセスによって構築されます。
論文参考訳（メタデータ） (2026-04-27T03:32:46Z)
Task- and Metric-Specific Signal Quality Indices for Medical Time Series [1.0104253368113927]
信号品質をタスクとメートル法に依存した概念として定式化し、摂動に基づくSQI(pSQI)を提案する。 pSQIは、メトリックに関する入力信号におけるアルゴリズムの性能劣化を検出することを目的としている。 Rピーク検出と心房細動分類ベンチマークの実験は、提案したpSQIが既存の特徴と深層学習に基づくSQIを一貫して上回っていることを示している。
論文参考訳（メタデータ） (2026-02-12T23:23:41Z)
Graph Transformer with Disease Subgraph Positional Encoding for Improved Comorbidity Prediction [0.0]
コモビディティ(Comorbidity)は、単一の患者において複数の医療条件の同時発生であり、疾患の管理と結果に大きな影響を及ぼす。本研究は,病原性予測のためのTSPE(Subgraph Positional morbidities)を導入したトランスフォーマーを提案する。
論文参考訳（メタデータ） (2025-03-04T22:59:34Z)
VisAidMath: Benchmarking Visual-Aided Mathematical Reasoning [47.81337826098964]
本稿では,視覚情報に関連する問題解決プロセスを評価するためのベンチマークであるVisAidMathを紹介する。このベンチマークには、様々な数学分野の難解な問題、視覚支援の定式化、難易度などが含まれる。視覚支援推論プロセスにおいて,10種類のLLMとLMMを用いて評価を行い,その欠点を強調した。
論文参考訳（メタデータ） (2024-10-30T13:19:44Z)
A Review of Deep Learning Methods for Photoplethysmography Data [10.27280499967643]
Photoplethysmographyは、ポータビリティ、ユーザフレンドリな操作、非侵襲機能に長けているため、有望なデバイスである。近年の深層学習の進歩は、個人の健康管理に関わるタスクにPSG信号を活用することで顕著な成果を上げている。
論文参考訳（メタデータ） (2024-01-23T14:11:29Z)
A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical Image Analysis [87.25494411021066]
医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。 GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。医用視覚接地の性能は大幅に改善する必要があることが判明した。
論文参考訳（メタデータ） (2023-10-31T11:39:09Z)
Instrumental Variable Learning for Chest X-ray Classification [52.68170685918908]
本稿では,素因果関係を排除し,正確な因果表現を得るための解釈可能な機器変数(IV)学習フレームワークを提案する。提案手法の性能はMIMIC-CXR,NIH ChestX-ray 14,CheXpertデータセットを用いて実証した。
論文参考訳（メタデータ） (2023-05-20T03:12:23Z)
Prodromal Diagnosis of Lewy Body Diseases Based on the Assessment of Graphomotor and Handwriting Difficulties [0.0]
我々は,各タスクの分類モデルと組み合わせのモデルとを別々に訓練し,LBDの識別のための特徴の予測能力を推定した。 74%の精度でプロドロマ性LBDを同定し,コンピュータ化目的および非侵襲的LBD診断の可能性を示した。
論文参考訳（メタデータ） (2023-01-20T12:30:28Z)
Supervised Machine Learning Algorithm for Detecting Consistency between Reported Findings and the Conclusions of Mammography Reports [66.89977257992568]
マンモグラフィーは患者の病態の診断を文書化する。多くの報告は非標準用語(非BI-RADS記述子)と不完全文を含んでいる。本研究の目的は,報告された結論と,報告された放射線学の知見に基づいて期待される結果とを比較して,そのような不一致を検出するツールを開発することである。
論文参考訳（メタデータ） (2022-02-28T08:59:04Z)
MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文参考訳（メタデータ） (2022-01-10T06:37:23Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)

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。