論文の概要: Deep Learning for ECG Analysis: Benchmarks and Insights from PTB-XL
- arxiv url: http://arxiv.org/abs/2004.13701v1
- Date: Tue, 28 Apr 2020 17:55:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 22:23:54.483853
- Title: Deep Learning for ECG Analysis: Benchmarks and Insights from PTB-XL
- Title（参考訳）: ECG分析のためのディープラーニング - PTB-XLのベンチマークと考察
- Authors: Nils Strodthoff, Patrick Wagner, Tobias Schaeffter, Wojciech Samek
- Abstract要約: PTB-XLデータセットのベンチマーク結果について検討した。
畳み込みニューラルネットワーク、特にresnetおよびinceptionベースのアーキテクチャは、すべてのタスクで最高のパフォーマンスを示します。
結果は、隠れ層化、モデルの不確実性、探索的解釈可能性分析の観点から、分類アルゴリズムの深い洞察によって補完される。
- 参考スコア（独自算出の注目度）: 15.552721021992847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrocardiography is a very common, non-invasive diagnostic procedure and
its interpretation is increasingly supported by automatic interpretation
algorithms. The progress in the field of automatic ECG interpretation has up to
now been hampered by a lack of appropriate datasets for training as well as a
lack of well-defined evaluation procedures to ensure comparability of different
algorithms. To alleviate these issues, we put forward first benchmarking
results for the recently published, freely accessible PTB-XL dataset, covering
a variety of tasks from different ECG statement prediction tasks over age and
gender prediction to signal quality assessment. We find that convolutional
neural networks, in particular resnet- and inception-based architectures, show
the strongest performance across all tasks outperforming feature-based
algorithms by a large margin. These results are complemented by deeper insights
into the classification algorithm in terms of hidden stratification, model
uncertainty and an exploratory interpretability analysis. We also put forward
benchmarking results for the ICBEB2018 challenge ECG dataset and discuss
prospects of transfer learning using classifiers pretrained on PTB-XL. With
this resource, we aim to establish the PTB-XL dataset as a resource for
structured benchmarking of ECG analysis algorithms and encourage other
researchers in the field to join these efforts.
- Abstract（参考訳）: 心電図は非常に一般的で非侵襲的な診断法であり、その解釈は自動解釈アルゴリズムによってますます支持されている。
自動ECG解釈の分野の進歩は、トレーニングのための適切なデータセットの欠如と、異なるアルゴリズムの互換性を確保するための明確に定義された評価手順の欠如によって、現在まで妨げられている。
これらの問題を緩和するために、我々は最近公開されたTB-XLデータセットのベンチマーク結果を提出し、年齢や性別の予測から信号品質の評価に至るまで、様々なECG文予測タスクから様々なタスクをカバーした。
畳み込みニューラルネットワーク、特にresnetとinceptionベースのアーキテクチャは、機能ベースのアルゴリズムよりも、すべてのタスクで最高のパフォーマンスを示しています。
これらの結果は、隠れ階層化、モデル不確かさ、探索的解釈可能性分析の観点から分類アルゴリズムに関する深い洞察によって補完される。
ICBEB2018チャレンジECGデータセットのベンチマーク結果も提示し, PTB-XLで事前訓練した分類器を用いた転帰学習の可能性について検討した。
このリソースを用いて、ecg分析アルゴリズムの構造化ベンチマークのためのリソースとしてptb-xlデータセットを確立し、この分野の研究者にこれらの取り組みに参加するように促す。
関連論文リスト
- Self-Supervised Pre-Training with Joint-Embedding Predictive Architecture Boosts ECG Classification Performance [0.0]
10のパブリックECGデータベースを組み合わせることで、教師なしの大規模な事前トレーニングデータセットを作成します。
我々は、このデータセットでJEPAを使用してVision Transformerを事前トレーニングし、様々なTB-XLベンチマークでそれらを微調整する。
論文 参考訳（メタデータ） (2024-10-02T08:25:57Z) - The Rlign Algorithm for Enhanced Electrocardiogram Analysis through R-Peak Alignment for Explainable Classification and Clustering [34.88496713576635]
我々は,サポートベクタマシンや主成分分析などの浅層学習技術をECG信号処理に再導入することを目指している。
そこで我々は,ECG信号を完全に構造化されたフォーマットに効果的に再構成する変換を開発し,評価した。
我々のアプローチは、特に限られたトレーニングデータを扱う場合、CNNよりも浅い機械学習手法に顕著な優位性を示す。
論文 参考訳（メタデータ） (2024-07-22T11:34:47Z) - Overcoming Pitfalls in Graph Contrastive Learning Evaluation: Toward
Comprehensive Benchmarks [60.82579717007963]
本稿では,グラフコントラスト学習(GCL)手法の有効性,一貫性,全体的な能力をより正確に評価するために,拡張された評価フレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-24T01:47:56Z) - Unsupervised Pre-Training Using Masked Autoencoders for ECG Analysis [4.3312979375047025]
本稿では、心電図(ECG)信号のためのマスク付きオートエンコーダ(MAE)に基づく教師なし事前トレーニング手法を提案する。
さらに、ECG分析のための完全なフレームワークを形成するためのタスク固有の微調整を提案する。
フレームワークは高レベルで普遍的で、特定のモデルアーキテクチャやタスクに個別に適応していない。
論文 参考訳（メタデータ） (2023-10-17T11:19:51Z) - ECG-CL: A Comprehensive Electrocardiogram Interpretation Method Based on
Continual Learning [20.465733855762835]
心電図(ECG)モニタリングは心血管疾患(CVD)早期診断の最も強力な手法の一つである。
古典的なルールベースのアルゴリズムは、今ではディープラーニングベースの手法によって完全にパフォーマンスが向上している。
本稿では,高解像度の低レベルセマンティック情報を一括して保持できるマルチレゾリューションモデルを提案する。
論文 参考訳（メタデータ） (2023-04-10T15:19:00Z) - Towards Domain Generalization for ECG and EEG Classification: Algorithms
and Benchmarks [3.1372269816123994]
生体信号の領域一般化問題は心電図(ECG)と脳電図(EEG)に焦点をあてる
本稿では,DGアルゴリズム評価のためのベンチマークを提案し,生体信号分類におけるDG処理のための新しいアーキテクチャを提案する。
我々の知る限り、これはECGとEEG DGアルゴリズムを評価するためのオープンソースのフレームワークを開発するための最初の試みである。
論文 参考訳（メタデータ） (2023-03-20T09:19:05Z) - Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。
また、局所的な一貫性の結果に基づいた理論的保証も提供する。
この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
論文 参考訳（メタデータ） (2022-11-17T15:48:06Z) - Doing Great at Estimating CATE? On the Neglected Assumptions in
Benchmark Comparisons of Treatment Effect Estimators [91.3755431537592]
もっとも単純な設定であっても、無知性仮定に基づく推定は誤解を招く可能性があることを示す。
異種処理効果評価のための機械学習ベンチマークデータセットを2つ検討した。
ベンチマークデータセットの固有の特性が、他のものよりもいくつかのアルゴリズムを好んでいる点を強調します。
論文 参考訳（メタデータ） (2021-07-28T13:21:27Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳（メタデータ） (2020-05-11T16:29:12Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。