論文の概要: DOSE-I: A Multimodal Biosignal Dataset of Procedural Sedation for Endoscopy -- Technical Report
- arxiv url: http://arxiv.org/abs/2607.02570v1
- Date: Tue, 30 Jun 2026 07:43:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.329021
- Title: DOSE-I: A Multimodal Biosignal Dataset of Procedural Sedation for Endoscopy -- Technical Report
- Title（参考訳）: DOSE-I : 内視鏡のための手続き的鎮静のための多モード生体信号データセット-技術報告
- Abstract要約: ゼノドに用いた内視鏡下鎮静術における多モード生体信号データセットDOSE-Iの特徴と技術的詳細について述べる。
DOSE-Iデータセットは、171レコードで78.5時間記録され、6.7分から70.8分(平均27.5分、SD:11.6分)の内視鏡的手順で記録されている。
- 参考スコア（独自算出の注目度）: 1.087699619497634
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this document, we describe characteristics and technical details of the multimodal biosignal dataset DOSE-I of procedural sedation for endoscopy published on zenodo. The DOSE-I dataset includes 78.5 hours of recording in 171 records ranging from 6.7 to 70.8 minutes (mean: 27.5, SD: 11.6) of 281 endoscopic procedures. 1129 (median: 6 per record) transitions of consciousness and 7328 (median: 39 per record) individual sedation depth labels were recorded. In addition to clinically annotated biosignals, the DOSE-I dataset provides detailed static data about the respective study subject and metadata about the respective recordings. To further support future research, we provide details about artifact detection and preprocessed pEEG features, too. C code used for this preprocessing is provided separately via Github.
- Abstract（参考訳）: 本報告では,ゼノドに記載された内視鏡の手続き鎮静法における多モード生体信号データセットDOSE-Iの特徴と技術的詳細について述べる。
DOSE-Iデータセットは、171レコードで78.5時間記録され、6.7分から70.8分(平均27.5分、SD:11.6分)の内視鏡的手順で記録されている。
1129(中央値6)の意識変化と7328(中央値39)の個別鎮静深度ラベルが記録された。
DOSE-Iデータセットは、臨床的に注釈付けされたバイオシグナーに加えて、各研究対象に関する詳細な静的データと、各記録に関するメタデータを提供する。
今後の研究を支援するため、アーティファクト検出と前処理されたpEEG機能の詳細も提供する。
この前処理に使用されるCコードはGithubから別々に提供されている。
関連論文リスト
- From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction [24.52832312973969]
臨床的に関係のある腫瘍学情報は、異種、縦断的な文書に分散される。
OncoLensは、統合EHRからのマルチソース、オンコロジー対応ドキュメントの選択、集約、正規化を提供する。
NimbleMind Multi-Agent System (nMAS)は、オンコロジー情報抽出ワークフローであり、断片化されたオンコロジー文書から臨床的に関連する構造化されたフィールドを抽出する。
論文 参考訳（メタデータ） (2026-08-29T00:51:30Z) - Topology of a Smile: Persistent Homology in Dental Imaging [13.490598450923962]
CBCT(Cone Beam Computed Tomography)スキャンは詳細な3次元画像を提供する。
本稿では、トポロジ的データ分析の枠組みである永続的ホモロジーを活用する自動化手法を提案する。
本手法では, 平均精度97.67%, 診断作業96.77%に到達した。
論文 参考訳（メタデータ） (2026-08-14T18:22:30Z) - A benchmark multimodal oro-dental dataset for large vision-language models [5.063576567382722]
データセットには、口腔内画像50万、放射線写真8056、診断、治療計画、フォローアップノートなど詳細なテキスト記録が含まれている。
我々は,最先端の大規模視覚言語モデルであるQwen-VL 3Bと7Bを微調整し,これらを6つのオーロデンタル異常の分類と完全診断レポートの作成の2つのタスクで評価した。
このデータセットは公開されており、将来のAI歯科研究に不可欠なリソースを提供する。
論文 参考訳（メタデータ） (2025-11-07T03:14:20Z) - AlphaDent: A dataset for automated tooth pathology detection [98.1937495272719]
このデータセットは、295人の患者の歯のDSLRカメラ写真に基づいており、1200枚以上の画像を含んでいる。
この記事では、データセットとラベリングフォーマットの詳細な説明を提供する。
その結果,高い予測精度が得られた。
論文 参考訳（メタデータ） (2025-07-30T09:34:43Z) - MRGen: Segmentation Data Engine for Underrepresented MRI Modalities [59.61465292965639]
稀ながら臨床的に重要な画像モダリティのための医用画像分割モデルの訓練は、注釈付きデータの不足により困難である。
本稿では,データ合成における生成モデルの利用について検討する。
本稿では,テキストプロンプトとセグメンテーションマスクを条件とした医用画像合成のためのデータエンジンMRGenを提案する。
論文 参考訳（メタデータ） (2024-12-04T16:34:22Z) - SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。
SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。
Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文 参考訳（メタデータ） (2024-11-14T17:06:00Z) - OMuSense-23: A Multimodal Dataset for Contactless Breathing Pattern Recognition and Biometric Analysis [3.7013279051980605]
我々は,mmWaveレーダとRGB-Dカメラから得られた生体信号を含むOulu Multi Sensingデータセットを紹介する。
このデータセットは、50人の個人から3つの異なるポーズ(立位、座位、横)のデータを特徴付けている。
その結果, バイオシグナーから抽出した特徴を用いて, ポーズ識別精度87%, 呼吸パターン活性認識83%を得た。
論文 参考訳（メタデータ） (2024-05-22T14:47:29Z) - Towards Unifying Anatomy Segmentation: Automated Generation of a
Full-body CT Dataset via Knowledge Aggregation and Anatomical Guidelines [113.08940153125616]
我々は533巻のボクセルレベルのラベルを142ドル(約1万2000円)で、全身CTスキャンのデータセットを作成し、解剖学的包括的カバレッジを提供する。
提案手法はラベル集約段階において手作業によるアノテーションに依存しない。
我々はCTデータに142ドルの解剖学的構造を予測できる統一解剖学的セグメンテーションモデルをリリースする。
論文 参考訳（メタデータ） (2023-07-25T09:48:13Z) - OLIVES Dataset: Ophthalmic Labels for Investigating Visual Eye Semantics [11.343658407664918]
本稿では,眼球運動(OLIVES)データセットを探索するための眼球運動ラベルについて紹介する。
これは、臨床ラベル、バイオマーカーラベル、疾患ラベル、時系列患者の治療情報を含む、OCTおよび近赤外ファンドの最初のデータセットである。
少なくとも2年間の平均96個の目のデータがあり、それぞれの目は平均66週と7回の注射で治療されている。
論文 参考訳（メタデータ） (2022-09-22T17:36:40Z) - DICE: Data-Efficient Clinical Event Extraction with Generative Models [93.49354508621232]
臨床領域のイベント抽出は、未調査の研究領域である。
臨床イベント抽出のための堅牢でデータ効率の良い生成モデルであるDICEを紹介する。
臨床およびニュース領域イベント抽出におけるDICEの最先端性能について実験を行った。
論文 参考訳（メタデータ） (2022-08-16T23:12:04Z) - OdontoAI: A human-in-the-loop labeled data set and an online platform to
boost research on dental panoramic radiographs [53.67409169790872]
本研究では, 歯科用パノラマX線画像の公開データセットの構築について述べる。
我々はHuman-in-the-loop(HITL)の概念の恩恵を受け、ラベリング手順を高速化する。
その結果,HITLによるラベル付け時間短縮率は51%であり,連続作業時間390時間以上節約できた。
論文 参考訳（メタデータ） (2022-03-29T18:57:23Z) - ERS: a novel comprehensive endoscopy image dataset for machine learning,
compliant with the MST 3.0 specification [0.0]
本論文は, フレキシブル内視鏡, 大腸内視鏡, カプセル内視鏡を用いた多ラベル包括的画像データセットであるERSについて述べる。
データセットには、内視鏡ビデオから約6000、約115,000のラベル付きフレーム、正確には22600の近似セグメンテーションマスク、フレキシブルとカプセルの内視鏡ビデオから123万のラベル付きフレームが含まれている。
論文 参考訳（メタデータ） (2022-01-21T15:39:45Z) - CLIP: A Dataset for Extracting Action Items for Physicians from Hospital
Discharge Notes [17.107315598110183]
我々はMIMIC-III上に注釈付けされた臨床行動項目のデータセットを作成する。
このデータセットはCLIPと呼ばれ、医師によって注釈付けされ、1万の文章を表す文書をカバーしています。
本稿では,これらの文書からアクション項目を抽出するタスクを多アスペクト抽出要約として記述する。
論文 参考訳（メタデータ） (2021-06-04T14:49:02Z)
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。