論文の概要: Design Considerations for High Impact, Automated Echocardiogram Analysis
- arxiv url: http://arxiv.org/abs/2006.06292v2
- Date: Fri, 19 Jun 2020 09:01:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 14:35:28.976973
- Title: Design Considerations for High Impact, Automated Echocardiogram Analysis
- Title(参考訳): 高衝撃自動心エコー解析のための設計考察
- Authors: Wiebke Toussaint, Dave Van Veen, Courtney Irwin, Yoni Nachmany, Manuel
Barreiro-Perez, Elena D\'iaz-Pel\'aez, Sara Guerreiro de Sousa, Liliana
Mill\'an, Pedro L. S\'anchez, Antonio S\'anchez-Puente, Jes\'us
Sampedro-G\'omez, P. Ignacio Dorado-D\'iaz, V\'ictor Vicente-Palacios
- Abstract要約: 本研究は、疾患ではなく正常な心臓機能を予測することが、データ品質のバイアスの原因となることを示唆している。
深層学習は、心疾患の早期発見のためのエコー心電図解析を自動化する可能性がある。
- 参考スコア(独自算出の注目度): 1.115618879566771
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning has the potential to automate echocardiogram analysis for early
detection of heart disease. Based on a qualitative analysis of design concerns,
this study suggests that predicting normal heart function instead of disease
accounts for data quality bias and significantly increases efficiency in
cardiologists' workflows.
- Abstract(参考訳): 深層学習は心疾患早期発見のための心エコー解析を自動化する可能性がある。
本研究は,データ品質のバイアスを考慮し,正常な心臓機能を予測することによって,心臓科医のワークフローの効率を著しく向上させることを示唆する。
関連論文リスト
- Cardiac and extracardiac discharge diagnosis prediction from emergency
department ECGs using deep learning [1.068128849363198]
救急部で収集した心電図に基づいて, 心臓および非心臓の退院診断の多様な範囲を予測できる単一モデルの有用性を示す。
我々は,このモデルをスクリーニングツールとして活用し,総合的な臨床診断支援システムに統合する可能性を強調した。
論文 参考訳(メタデータ) (2023-12-18T09:29:42Z) - Echocardiogram Foundation Model -- Application 1: Estimating Ejection
Fraction [2.4164193358532438]
心エコー基礎モデルであるエコーAIを導入し,150万個の心エコーを用いて自己教師付き学習(SSL)を用いて訓練した。
我々は,EchoAIを微調整し,平均絶対パーセンテージ誤差を9.40%と評価した。
論文 参考訳(メタデータ) (2023-11-21T13:00:03Z) - Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳(メタデータ) (2023-10-24T02:56:05Z) - Digital twinning of cardiac electrophysiology models from the surface
ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。
その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。
パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文 参考訳(メタデータ) (2023-08-16T14:57:12Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳(メタデータ) (2022-03-12T15:24:03Z) - Analysis of Digitalized ECG Signals Based on Artificial Intelligence and
Spectral Analysis Methods Specialized in ARVC [0.0]
不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。
心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
論文 参考訳(メタデータ) (2022-02-28T13:12:50Z) - Machine Learning-based Efficient Ventricular Tachycardia Detection Model
of ECG Signal [0.0]
心不全の一次診断と解析において、心電図信号は重要な役割を果たす。
本稿では,ノイズフィルタを用いた心室頻拍不整脈の予測モデル,心電図の特徴セット,機械学習に基づく分類モデルを提案する。
論文 参考訳(メタデータ) (2021-12-24T05:56:09Z) - ECG-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional
Neural Networks [9.410102957429705]
本稿では,意図に基づく畳み込みニューラルネットワーク(ABCNN)を用いて生の心電図信号に対処し,正確な不整脈検出のための情報的依存関係を自動的に抽出する手法を提案する。
我々の主な課題は、正常な心拍から不整脈を見つけ、その間に5種類の不整脈から心疾患を正確に認識することである。
実験の結果,提案するABCNNは広く使用されているベースラインよりも優れていた。
論文 参考訳(メタデータ) (2021-08-18T14:55:46Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳(メタデータ) (2020-07-16T17:43:13Z)
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。