論文の概要: Physiologically Informed Digital Auscultation for Pneumonia Detection in Long-term Care Residents

• arxiv url: http://arxiv.org/abs/2609.27222v1
• Date: Wed, 23 Sep 2026 01:43:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.822548
• Title: Physiologically Informed Digital Auscultation for Pneumonia Detection in Long-term Care Residents
• Title（参考訳）: 長期療養者の肺炎検出のための生理的インフォームド・デジタル鎮静法
• Abstract要約: 多チャンネル肺超音波検査は長期の肺炎診断に役立つ。 X線監督は臨床よりも信頼性が高く、取得時間を短縮しながら性能を維持するチャンネルは少ない。
• 参考スコア（独自算出の注目度）: 0.5714939441682491
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pneumonia is difficult to diagnose in older long-term care residents; multimorbidity and atypical presentations obscure signs, motivating operationally efficient objective testing. We analyzed multi-channel digital stethoscope recordings from 185 Japanese residents (73 pneumonia, 112 symptomatic without), using radiologist-confirmed chest X-rays and clinician diagnoses as supervisory signals that train convolutional neural networks, multimodal fusion, and channel-based variants with time-domain Grad-CAM interpretability. Models were evaluated with repeated patient-level cross-validation showing models with X-ray supervision outperformed clinician supervision (F1 0.729, accuracy 0.783 vs. F1 0.637, accuracy 0.711). Additionally, a three-channel selection protocol maintained performance (F1 0.736; accuracy 0.803), with two mid-thoracic sites ranking highest and Grad-CAM attention overlapping adventitious sounds. These findings indicate automated multi-channel lung-sound analysis can aid long-term care pneumonia diagnosis, with X-ray supervision being more reliable than clinical, and fewer channels preserving performance while lowering acquisition times.
• Abstract（参考訳）: 高齢者における肺炎の診断は困難であり、多病原性および非定型的な診断は、手術効率の良い客観的検査の動機となっている。 わが国住民185名(肺炎73名,症状なし112名)の多チャンネルデジタル聴診記録を,放射線技師が確認した胸部X線と臨床診断を,畳み込みニューラルネットワーク,マルチモーダルフュージョン,時間領域Grad-CAM解釈性のあるチャネルベース変種を訓練するための監視信号として用いた。 患者レベルのクロスバリデーションを繰り返すと,X線監督が臨床監督に優れるモデル(F1 0.729,精度0.783,F1 0.637,精度0.711)が評価された。 さらに、3チャンネル選択プロトコルは性能を保ち(F1 0.736; 精度0.803)、2つの中音階が最高で、グラッド-CAMのアテンションは冒険的な音に重なる。 以上の結果より,X線検査は臨床検査よりも信頼性が高く,取得時間を短縮しつつ,予後を保ちうるチャンネルも少ないことが示唆された。

関連論文リスト

• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• RareLens: Towards End-to-End Rare Disease Care via Aligning Divergent Large Language Model Reasoning [42.80742579670377]
  RareLensは、まれな疾患の軌跡全体にわたる臨床的意思決定を支援するシステムである。 RareBenchは、33のOrphanetカテゴリと7000以上の条件にまたがる157,525件の実際のデータセットである。 検診で0.917、診断と治療で65.5%、89.8%の成績を収めた。
  論文  参考訳（メタデータ） (2026-07-25T16:58:10Z)
• Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals? [4.250825424649631]
  我々は、構造化EHR時系列データをCXR基礎モデル表現と統合するゲート型マルチモーダルフレームワークを開発した。 ICU患者24時間以内の侵襲的機械換気予測の枠組みについて検討した。
  論文  参考訳（メタデータ） (2026-05-25T18:25:47Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Lung nodule classification on CT scan patches using 3D convolutional neural networks [0.0]
  肺がんは世界中で最も一般的で致命的ながんの1つである。 肺癌の早期発見は重要な医学的課題である。 本研究は肺結節分類における3つの方法的改善について紹介する。 これらの技術の統合により、肺がん検出のための総合的な臨床診断支援システムにおける堅牢な分類サブシステムの開発が可能になる。
  論文  参考訳（メタデータ） (2026-02-13T09:26:32Z)
• A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
  Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。 本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
  論文  参考訳（メタデータ） (2025-12-23T13:26:13Z)
• SpiroLLM: Finetuning Pretrained LLMs to Understand Spirogram Time Series with Clinical Validation in COPD Reporting [11.789239660318337]
  COPDは気流制限が持続する主要な慢性呼吸器疾患である。 COPD診断のための現在のAIモデルは、分類結果の出力に限られている。 スピロLLMは,スピログラムを理解可能な最初のマルチモーダル大言語モデルである。
  論文  参考訳（メタデータ） (2025-07-22T01:44:12Z)
• Fast-staged CNN Model for Accurate pulmonary diseases and Lung cancer detection [0.0]
  本研究は, 肺がん, 特に肺結節の検出を目的とした深層学習モデルと, 胸部X線写真を用いた8つの肺病理組織について検討した。 アンサンブル法とトランスファーラーニングを利用した2段階分類システムを用いて,最初のトリアージ画像を正規あるいは異常に分類する。 このモデルでは、最高の性能の精度は77%、感度は0.713、特異度は0.776、AUCスコアは0.888である。
  論文  参考訳（メタデータ） (2024-12-16T11:47:07Z)
• Chronic Obstructive Pulmonary Disease Prediction Using Deep Convolutional Network [0.0]
  本研究では,慢性閉塞性肺疾患(COPD)を検出するための呼吸音解析のための深部畳み込みニューラルネットワーク(CNN)を用いたアプローチを提案する。 このシステムは、病気の重症度を軽度、中等度、重度に分類する。 ICBHIデータベースの評価は10倍のクロスバリデーションと90%の精度で96%の精度を達成した。
  論文  参考訳（メタデータ） (2024-11-03T05:01:49Z)
• M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging [85.00066186644466]
  マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。 COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
  論文  参考訳（メタデータ） (2020-10-07T06:22:24Z)

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。