BIG DATA SIGNIFICANCE IN REMOTE MEDICAL DIAGNOSTICS BASED ON DEEP LEARNING TECHNIQUES - Publikacja - MOST Wiedzy

Wyszukiwarka

BIG DATA SIGNIFICANCE IN REMOTE MEDICAL DIAGNOSTICS BASED ON DEEP LEARNING TECHNIQUES

Abstrakt

In this paper we discuss the evaluation of neural networks in accordance with medical image classification and analysis. We also summarize the existing databases with images which could be used for training deep models that can be later utilized in remote home-based health care systems. In particular, we propose methods for remote video-based estimation of patient vital signs and other health-related parameters. Additionally, potential challenges of using, storing and transferring sensitive patient data are discussed.

Cytowania

  • 0

    CrossRef

  • 0

    Web of Science

  • 0

    Scopus

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuły w czasopismach recenzowanych i innych wydawnictwach ciągłych
Opublikowano w:
TASK Quarterly nr 21, strony 309 - 319,
ISSN: 1428-6394
Język:
angielski
Rok wydania:
2017
Opis bibliograficzny:
Kwaśniewska A., Giczewska A., Rumiński J.: BIG DATA SIGNIFICANCE IN REMOTE MEDICAL DIAGNOSTICS BASED ON DEEP LEARNING TECHNIQUES// TASK Quarterly. -Vol. 21., nr. 4 (2017), s.309-319
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.17466/tq2017/21.4/s
Bibliografia: test
  1. Moody's Investors Service 2014 Population Aging Will Dampen Economic Growth over the Next Two Decades, Global Credit Research [Online] available at: https://www .moodys.com/research/Moodys-Aging-will-reduce-economic-growth-worldwide-in -the-next--PR 305951 [Accessed: 15-May-2017] otwiera się w nowej karcie
  2. Yu Y P, Raveendran P and Lim C L 2015 Biomedical Optics Express 6 (7) 2466 otwiera się w nowej karcie
  3. Stella Mary M C V, Rajsingh E B and Naik G R 2016 IEEE Access 4 4327
  4. Ruminski J and Kwasniewska A 2017 Application of Infrared to Biomedical Sciences Ng E Y K and EtehadTavakol M (ed.), Springer 311 otwiera się w nowej karcie
  5. Liu X, Dong S, An M, Bai L and Luan J 2015 Quantitative assessment of facial paralysis using infrared thermal imaging, 8 th International Conference on Biomedical Engineering and Informatics 106 otwiera się w nowej karcie
  6. Ivakhnenko A G and Lapa V G 1965 Cybernetic Predicting Devices, CCM Information Corporation otwiera się w nowej karcie
  7. Goodfellow I, Bengio Y and Courville A 2017 Deep Learning, MIT Press
  8. De Mauro A, Greco M and Grimaldi M 2016 Library Review 65 (3) 122
  9. Kyoungyoung J and Gang Hoon K 2013 Healthcare Informatics Research 19 (2) 79
  10. Rumelhart D E, Hinton G E, and Williams R J 1986 Parallel Distributed Processing, MIT Press, 1 (chapter 8) 318
  11. Hinton G E 1986 Learning distributed representations of concepts, Proceedings of the 8 th Annual Conference of the Cognitive Science Society 1
  12. Hinton G E 2007 Trends in Cognitive Sciences 11 (10) 428 otwiera się w nowej karcie
  13. Bengio Y, Lamblin P, Popovici D and Larochelle H 2007 Greedy layer-wise training of deep networks, Neural Information Processing Systems 153 otwiera się w nowej karcie
  14. Krizhevsky A, Sutskever I and Hinton G E 2012 ImageNet Classification with Deep Convolutional Neural Networks, Neural Information Processing Systems 1097 otwiera się w nowej karcie
  15. Szegedy C, Liu W, Jia Y, Sermanet P, Reed S, Anguelov D, Erhan D, Vanhoucke V, Rabinovich V 2015 Going deeper with convolutions, IEEE Conference on Computer Vision and Pattern Recognition 1 otwiera się w nowej karcie
  16. Wimmer G, Vécsei A and Uhl A 2016 CNN transfer learning for the automated diagnosis of celiac disease, The 6 th International Conference on Image Processing Theory, Tools and Applications 1 otwiera się w nowej karcie
  17. Kwasniewska A, Ruminski J and Rad P 2017 Deep Features Class Activation Map for Thermal Face Detection and Tracking, The 10 th International Conference on Human System Interaction 41 otwiera się w nowej karcie
  18. GLIMPS Glucose Imaging in Parkinsonian Syndromes [Online] available at: http:// glimpsproject.com [Accessed: 30-May-2017] otwiera się w nowej karcie
  19. DRYAD brain MRI data [Online] available at: http://datadryad.org/resource/doi: 10.5061/dryad.38s74 [Accessed: 30-May-2017] otwiera się w nowej karcie
  20. UBIRIS -Noisy Visible Wavelength Iris Image Databases [Online] available at: http:// iris.di.ubi.pt [Accessed: 25-May-2017] otwiera się w nowej karcie
  21. Trokielewicz M, Czajka A and Maciejewicz P 2015 Database of iris images acquired in the presence of ocular pathologies and assessment of iris recognition reliability for disease-affected eyes, IEEE 2 nd International Conference on Cybernetics 495 otwiera się w nowej karcie
  22. Doyle J S, Bowyer K W, and Flynn P J 2013 Variation in accuracy of textured contact lens detection based on sensor and lens pattern, IEEE Sixth International Conference on Biometrics: Theory, Applications and Systems 1 otwiera się w nowej karcie
  23. Morgan P B, Tull A B and Efron N 1995 Eye 9 615 otwiera się w nowej karcie
  24. CAS-PEAL face database [Online] available at: http://www.jdl.ac.cn/peal/index.html [Accessed: 22-May-2017] otwiera się w nowej karcie
  25. Color Feret [Online] available at: https://www.nist.gov/itl/iad/image-group/color -feret-database [Accessed: 23-May-2017] otwiera się w nowej karcie
  26. USTC-NVIE database [Online] available at: http://nvie.ustc.edu.cn [Accessed: 27-May -2017] otwiera się w nowej karcie
  27. Lewandowska M, Ruminski J, Kocejko T and Nowak J 2011 Measuring pulse rate with a webcam -a non-contact method for evaluating cardiac activity, Federated Conference on Computer Science and Information Systems 405
  28. Vilcahuaman L, Harba R, Canals R, Zequera M, Wilches C, Arista M T, Torres L nad Arbañil H 2014 Detection of diabetic foot hyperthermia by infrared imaging, 36 th Annual International Conference of the IEEE Engineering in Medicine and Biology Society 4831 otwiera się w nowej karcie
  29. Tomar R S, Singh T, Wadhwani S and Bhadoria S S 2009 Analysis of Breast Cancer Using Image Processing Techniques, 3 rd UKSim European Symposium on Computer Modeling and Simulation 251 otwiera się w nowej karcie
  30. Cisco VNI Forecast and Methodology [Online] available at: http://www.cisco.com/c/ en/us/solutions/collateral/service-provider/visual-networking-index-vni/ complete-white-paper-c11--481360.html [Accessed: 27-May-2017] otwiera się w nowej karcie
  31. Ordinance of the Minister of Health of December 8 th , 2015 on the types and scope of medical records in healthcare institutions and ways of processing them Jour- nal of Laws of 2015 item. 2069 [Online] available at: http://isap.sejm.gov.pl/ DetailsServlet?id=WDU20150002069 [Accessed: 26-May-2017] otwiera się w nowej karcie
  32. European Union Directive on Data Protection 1995 Off. J. Eur. Commun. 31 (281) otwiera się w nowej karcie
  33. Health Insurance Portability and Accountability Act [Online] available at: https://www. hhs.gov/hipaa [Accessed: 30-May-2017] otwiera się w nowej karcie
  34. Tadeusiewicz R 2011 Medical Informatics, UMCS
  35. Rich M Radio frequency patient identification and information system, Google Pa- tents, 27.03.2003, US Patent App. 09/967, 565 [Online] available at: http://www. google.com/patents/US20030058110 [Accessed: 27-May-2017] otwiera się w nowej karcie
Weryfikacja:
Politechnika Gdańska

wyświetlono 95 razy

Publikacje, które mogą cię zainteresować

Meta Tagi