要約
機械学習と深層学習は人工知能の 2 つのサブセットであり、コンピューターにあらゆる種類のデータから学習して意思決定を行うよう教えることが含まれます。
人工知能の最新の発展はディープラーニングによるもので、コンピュータービジョンから健康科学に至るまで、ほぼすべての分野で革命的であることが証明されています。
医療におけるディープラーニングの効果は、従来の臨床応用の方法を大きく変えました。
小児科などの一部の医学の下位分野はディープラーニングの重要な利点を享受するのが比較的遅れていますが、小児科における関連研究もかなりのレベルまで蓄積され始めています。
したがって、この論文では、新生児学アプリケーション向けに最近開発された機械学習および深層学習ベースのソリューションをレビューします。
私たちは、新生児学応用における古典的な機械学習と深層学習の両方の役割を体系的に評価し、アルゴリズム開発を含む方法論を定義し、PRISMA 2020 ガイドラインを使用して新生児疾患の評価における残りの課題について説明します。
これまでのところ、AI 応用に関して新生児学で主に焦点を当てている分野には、生存分析、神経画像化、バイタルパラメータと生体信号の分析、未熟児診断の網膜症などが含まれています。
1996年から2022年までの106件の研究論文を分類的に要約し、それぞれの長所と短所を議論しました。
この体系的レビューでは、研究の包括性をさらに高めることを目的としました。
また、新しい AI モデルの考えられる方向性と、AI のパワーが高まる新生児学の将来についても議論し、新生児集中治療室への AI の統合のロードマップを提案します。
要約(オリジナル)
Machine learning and deep learning are two subsets of artificial intelligence that involve teaching computers to learn and make decisions from any sort of data. Most recent developments in artificial intelligence are coming from deep learning, which has proven revolutionary in almost all fields, from computer vision to health sciences. The effects of deep learning in medicine have changed the conventional ways of clinical application significantly. Although some sub-fields of medicine, such as pediatrics, have been relatively slow in receiving the critical benefits of deep learning, related research in pediatrics has started to accumulate to a significant level, too. Hence, in this paper, we review recently developed machine learning and deep learning-based solutions for neonatology applications. We systematically evaluate the roles of both classical machine learning and deep learning in neonatology applications, define the methodologies, including algorithmic developments, and describe the remaining challenges in the assessment of neonatal diseases by using PRISMA 2020 guidelines. To date, the primary areas of focus in neonatology regarding AI applications have included survival analysis, neuroimaging, analysis of vital parameters and biosignals, and retinopathy of prematurity diagnosis. We have categorically summarized 106 research articles from 1996 to 2022 and discussed their pros and cons, respectively. In this systematic review, we aimed to further enhance the comprehensiveness of the study. We also discuss possible directions for new AI models and the future of neonatology with the rising power of AI, suggesting roadmaps for the integration of AI into neonatal intensive care units.
arxiv情報
| 著者 | Elif Keles,Ulas Bagci |
| 発行日 | 2023-10-20 17:02:09+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google