Fugu-MT 論文翻訳(概要): Design Considerations for High Impact, Automated Echocardiogram Analysis

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

Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文参考訳（メタデータ） (2024-10-08T10:03:52Z)
Prospects for AI-Enhanced ECG as a Unified Screening Tool for Cardiac and Non-Cardiac Conditions -- An Explorative Study in Emergency Care [0.9503773054285559]
本研究は,救急部門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について検討する。その結果,AUROCスコア0.8を超えるという意味では,253,81心,172非心,ICD符号を統計的に有意に予測できることがわかった。
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)
A Comprehensive Survey on Heart Sound Analysis in the Deep Learning Era [54.53921568420471]
心血管疾患の早期スクリーニングにおける臨床応用として, 心臓音聴診が有用である。ディープラーニングは多くの研究分野で古典的な機械学習よりも優れています。
論文参考訳（メタデータ） (2023-01-23T10:58:45Z)
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。