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
- Authors: Urs Hackstein, Jordi Alastruey, Philip Aston, Ciaran Bench, Peter H. Charlton, Loic Coquelin, Nando Hegemann, Vaidotas Marozas, Mohammad Moulaeifard, Manasi Nandi, Andrius Petrenas, Oskar Pfeffer, Mantas Rinkevicius, Andrius Solosenko, Nils Strodthoff, Sara Vardanega,
- 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
- 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) - 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。
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。