研究者を探す
単 暁
徳島大学
2024年12月23日更新
- 職名
- 特任助教
- 電話
- 研究者総覧に該当データはありませんでした。
- 電子メール
- shanxiao@tokushima-u.ac.jp
- 学歴
- 研究者総覧に該当データはありませんでした。
- 学位
- 修士 (徳島大学)
- 職歴・経歴
- 2020/4: 徳島大学 特任助教, 病院
- 専門分野・研究分野
- 研究者総覧に該当データはありませんでした。
2024年12月23日更新
- 専門分野・研究分野
- 研究者総覧に該当データはありませんでした。
- 担当経験のある授業科目
- 研究者総覧に該当データはありませんでした。
- 指導経験
- 研究者総覧に該当データはありませんでした。
2024年12月23日更新
- 専門分野・研究分野
- 研究者総覧に該当データはありませんでした。
- 研究テーマ
- 研究者総覧に該当データはありませんでした。
- 著書
- 研究者総覧に該当データはありませんでした。
- 論文
- Yuxiang Zhou, XIN KANG, Fuji Ren, Huimin Lu, Satoshi Nakagawa and Xiao Shan :
A Multi-attention and Depthwise Separable Convolution Network for Medical Image Segmentation,
Neurocomputing, Vol.15, No.1, 121-129, 2024.- (キーワード)
- U-Net / dual attention / attention gate / depthwise separable convolution / medical image segmentation
- (徳島大学機関リポジトリ)
- ● Metadata: 118693
- (出版サイトへのリンク)
- ● Publication site (DOI): 10.1016/j.neucom.2023.126970
- (文献検索サイトへのリンク)
- ● Search Scopus @ Elsevier (DOI): 10.1016/j.neucom.2023.126970
(徳島大学機関リポジトリ: 118693, DOI: 10.1016/j.neucom.2023.126970) Masato Tagi, Mari Tajiri, Yasuhiro Hamada, Yoshifumi Wakata, Xiao Shan, Kazumi Ozaki, Masanori Kubota, Sosuke Amano, Hiroshi Sakaue, Yoshiko Suzuki and Jun Hirose :
Accuracy of an Artificial Intelligence-Based Model for Estimating Leftover Liquid Food in Hospitals: Validation Study.,
JMIR Formative Research, Vol.6, No.5, e35991, 2022.- (要約)
- An accurate evaluation of the nutritional status of malnourished hospitalized patients at a higher risk of complications, such as frailty or disability, is crucial. Visual methods of estimating food intake are popular for evaluating the nutritional status in clinical environments. However, from the perspective of accurate measurement, such methods are unreliable. The accuracy of estimating leftover liquid food in hospitals using an artificial intelligence (AI)-based model was compared to that of visual estimation. The accuracy of the AI-based model (AI estimation) was compared to that of the visual estimation method for thin rice gruel as staple food and fermented milk and peach juice as side dishes. A total of 576 images of liquid food (432 images of thin rice gruel, 72 of fermented milk, and 72 of peach juice) were used. The mean absolute error, root mean squared error, and coefficient of determination (R) were used as metrics for determining the accuracy of the evaluation process. Welch t test and the confusion matrix were used to examine the difference of mean absolute error between AI and visual estimation. The mean absolute errors obtained through the AI estimation approach were 0.63 for fermented milk, 0.25 for peach juice, and 0.85 for the total. These were significantly smaller than those obtained using the visual estimation approach, which were 1.40 (P<.001) for fermented milk, 0.90 (P<.001) for peach juice, and 1.03 (P=.009) for the total. By contrast, the mean absolute error for thin rice gruel obtained using the AI estimation method (0.99) did not differ significantly from that obtained using visual estimation (0.99). The confusion matrix for thin rice gruel showed variation in the distribution of errors, indicating that the errors in the AI estimation were biased toward the case of many leftovers. The mean squared error for all liquid foods tended to be smaller for the AI estimation than for the visual estimation. Additionally, the coefficient of determination (R) for fermented milk and peach juice tended to be larger for the AI estimation than for the visual estimation, and the R value for the total was equal in terms of accuracy between the AI and visual estimations. The AI estimation approach achieved a smaller mean absolute error and root mean squared error and a larger coefficient of determination (R) than the visual estimation approach for the side dishes. Additionally, the AI estimation approach achieved a smaller mean absolute error and root mean squared error compared to the visual estimation method, and the coefficient of determination (R) was similar to that of the visual estimation method for the total. AI estimation measures liquid food intake in hospitals more precisely than visual estimation, but its accuracy in estimating staple food leftovers requires improvement.
- (徳島大学機関リポジトリ)
- ● Metadata: 117555
- (出版サイトへのリンク)
- ● Publication site (DOI): 10.2196/35991
- (文献検索サイトへのリンク)
- ● PubMed @ National Institutes of Health, US National Library of Medicine (PMID): 35536638
- ● Search Scopus @ Elsevier (PMID): 35536638
- ● Search Scopus @ Elsevier (DOI): 10.2196/35991
(徳島大学機関リポジトリ: 117555, DOI: 10.2196/35991, PubMed: 35536638) - MISC
- 研究者総覧に該当データはありませんでした。
- 総説・解説
- 研究者総覧に該当データはありませんでした。
- 講演・発表
- Yuxiang Zhou, XIN KANG, Fuji Ren, Satoshi Nakagawa and Xiao Shan :
DEU-Net: Dual Encoder U-Net for 3D Medical Image Segmentation,
The 22nd International Conference on Computer and Information Technology, 1-7, Nov. 2023.- (出版サイトへのリンク)
- ● Publication site (DOI): 10.1109/TrustCom60117.2023.00382
- (文献検索サイトへのリンク)
- ● Summary page in Scopus @ Elsevier: 2-s2.0-85195458711
(DOI: 10.1109/TrustCom60117.2023.00382, Elsevier: Scopus) 田木 真和, 単 暁, 岸上 雅哉, 境 貴司, 加藤 裕司, 大倉 一夫, 廣瀬 隼 :
ランサムウェアによるサイバー攻撃に備えた病院情報システムのバックアップシステムの構築,
医療情報学連合大会論文集 43回, 973-974, 2023年11月. 単 暁, 田木 真和, 小西 健史, 森 博康, 松久 宗英, 廣瀬 隼 :
AIを用いた糖尿病患者に対する食事提案システムの開発,
医療情報学連合大会論文集 43回, 995-997, 2023年11月. 田木 真和, 田尻 真梨, 濵田 康弘, 若田 好史, 単 暁, 尾崎 和美, 久保田 雅則, 天野 宗佑, 廣瀬 隼 :
AIを用いた病院流動食の摂取量推定システムの臨床現場における精度検証,
第41回 医療情報学連合大会, 2021年11月. 田木 真和, 田尻 真梨, 濵田 康弘, 若田 好史, 単 暁, 尾崎 和美, 久保田 雅則, 天野 宗佑, 廣瀬 隼 :
AIを用いた病院流動食の残量推定の検証,
日本医療情報学会春季学術大会, Vol.25, 70-71, 2021年6月.
- 研究会・報告書
- 田木 真和, 廣瀬 隼, 若田 好史, 単 暁 :
院内通信の可視化と自動解析アラート機能によるセキュリティ強化策の評価 (総特集 現場視点からセキュリティ対策を検証する) -- (強固かつ柔軟な安全対策の要諦),
月刊新医療, Vol.47, No.11, 38-41, 2020年11月.- (文献検索サイトへのリンク)
- ● CiNii @ 国立情報学研究所 (CRID): 1523669555798364544
(CiNii: 1523669555798364544) 廣瀬 隼, 若田 好史, 田木 真和, 単 暁 :
With Corona時代の医療情報担当部門の医学部卒前教育・業務支援のありかた∼徳島大学の取組み∼,
2020年9月.
- 特許
- 研究者総覧に該当データはありませんでした。
- 作品
- 研究者総覧に該当データはありませんでした。
- 補助金・競争的資金
- 研究者番号（90936882）による検索
- その他
- 研究者総覧に該当データはありませんでした。
2024年12月23日更新
- 専門分野・研究分野
- 研究者総覧に該当データはありませんでした。
- 所属学会・所属協会
- 研究者総覧に該当データはありませんでした。
- 委員歴・役員歴
- 研究者総覧に該当データはありませんでした。
- 受賞
- 研究者総覧に該当データはありませんでした。
- 活動
- 研究者総覧に該当データはありませんでした。
更新
更新
Ｊグローバル
- Jグローバル最終確認日
- JグローバルAPIで取得できませんでした。
- 氏名（漢字）
- JグローバルAPIで取得できませんでした。
- 氏名（フリガナ）
- JグローバルAPIで取得できませんでした。
- 氏名（英字）
- JグローバルAPIで取得できませんでした。
- 所属機関
- JグローバルAPIで取得できませんでした。
リサーチマップ
- researchmap最終確認日
- リサーチマップAPIで取得できませんでした。
- 氏名（漢字）
- リサーチマップAPIで取得できませんでした。
- 氏名（フリガナ）
- リサーチマップAPIで取得できませんでした。
- 氏名（英字）
- リサーチマップAPIで取得できませんでした。
- プロフィール
- リサーチマップAPIで取得できませんでした。
- 登録日時
- リサーチマップAPIで取得できませんでした。
- 更新日時
- リサーチマップAPIで取得できませんでした。
- アバター画像URI
- リサーチマップAPIで取得できませんでした。
- ハンドル
- リサーチマップAPIで取得できませんでした。
- eメール
- リサーチマップAPIで取得できませんでした。
- eメール（その他）
- リサーチマップAPIで取得できませんでした。
- 携帯メール
- リサーチマップAPIで取得できませんでした。
- 性別
- リサーチマップAPIで取得できませんでした。
- 没年月日
- リサーチマップAPIで取得できませんでした。
- 所属ID
- リサーチマップAPIで取得できませんでした。
- 所属
- リサーチマップAPIで取得できませんでした。
- 部署
- リサーチマップAPIで取得できませんでした。
- 職名
- リサーチマップAPIで取得できませんでした。
- 学位
- リサーチマップAPIで取得できませんでした。
- 学位授与機関
- リサーチマップAPIで取得できませんでした。
- URL
- リサーチマップAPIで取得できませんでした。
- 科研費研究者番号
- リサーチマップAPIで取得できませんでした。
- Google Analytics ID
- リサーチマップAPIで取得できませんでした。
- ORCID ID
- リサーチマップAPIで取得できませんでした。
- その他の所属ID
- リサーチマップAPIで取得できませんでした。
- その他の所属名
- リサーチマップAPIで取得できませんでした。
- その他の所属 部署
- リサーチマップAPIで取得できませんでした。
- その他の所属 職名
- リサーチマップAPIで取得できませんでした。
- 最近のエントリー
- リサーチマップAPIで取得できませんでした。
- Read会員ID
- リサーチマップAPIで取得できませんでした。
- 経歴
- リサーチマップAPIで取得できませんでした。
- 受賞
- リサーチマップAPIで取得できませんでした。
- Misc
- リサーチマップAPIで取得できませんでした。
- 論文
- リサーチマップAPIで取得できませんでした。
- 講演・口頭発表等
- リサーチマップAPIで取得できませんでした。
- 書籍等出版物
- リサーチマップAPIで取得できませんでした。
- 研究キーワード
- リサーチマップAPIで取得できませんでした。
- 研究分野
- リサーチマップAPIで取得できませんでした。
- 所属学協会
- リサーチマップAPIで取得できませんでした。
- 担当経験のある科目
- リサーチマップAPIで取得できませんでした。
- その他
- リサーチマップAPIで取得できませんでした。
- Works
- リサーチマップAPIで取得できませんでした。
- 特許
- リサーチマップAPIで取得できませんでした。
- 学歴
- リサーチマップAPIで取得できませんでした。
- 委員歴
- リサーチマップAPIで取得できませんでした。
- 社会貢献活動
- リサーチマップAPIで取得できませんでした。
更新
- 研究者番号
- KAKEN APIで取得できませんでした。
- 所属（現在）
- KAKEN APIで取得できませんでした。
- 所属（過去の研究課題
情報に基づく）*注記 - KAKEN APIで取得できませんでした。
- 審査区分/研究分野
- KAKEN APIで取得できませんでした。
- キーワード
- KAKEN APIで取得できませんでした。
研究課題
研究成果
共同研究者
注目研究はありません。