論文の概要: Teaching a Machine to Diagnose a Heart Disease; Beginning from digitizing scanned ECGs to detecting the Brugada Syndrome (BrS)

• arxiv url: http://arxiv.org/abs/2009.01076v1
• Date: Thu, 27 Aug 2020 09:12:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 06:59:13.351035
• Title: Teaching a Machine to Diagnose a Heart Disease; Beginning from digitizing scanned ECGs to detecting the Brugada Syndrome (BrS)
• Title（参考訳）: 機械による心臓疾患診断 : 走査型心電図のデジタル化からBrugada症候群(BrS)検出まで
• Authors: Simon Jaxy
• Abstract要約: 本稿では,ECGのスキャン画像を読み込むパイプラインを提案し,キャプチャされた信号をデジタル時間電圧データに変換する。 提案するパイプラインは,3種類のECGイメージを区別し,各リード信号の再生を行う。 この研究はブルガダ症候群の計算研究のための新たな基盤を構築することが期待されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Medical diagnoses can shape and change the life of a person drastically. Therefore, it is always best advised to collect as much evidence as possible to be certain about the diagnosis. Unfortunately, in the case of the Brugada Syndrome (BrS), a rare and inherited heart disease, only one diagnostic criterion exists, namely, a typical pattern in the Electrocardiogram (ECG). In the following treatise, we question whether the investigation of ECG strips by the means of machine learning methods improves the detection of BrS positive cases and hence, the diagnostic process. We propose a pipeline that reads in scanned images of ECGs, and transforms the encaptured signals to digital time-voltage data after several processing steps. Then, we present a long short-term memory (LSTM) classifier that is built based on the previously extracted data and that makes the diagnosis. The proposed pipeline distinguishes between three major types of ECG images and recreates each recorded lead signal. Features and quality are retained during the digitization of the data, albeit some encountered issues are not fully removed (Part I). Nevertheless, the results of the aforesaid program are suitable for further investigation of the ECG by a computational method such as the proposed classifier which proves the concept and could be the architectural basis for future research (Part II). This thesis is divided into two parts as they are part of the same process but conceptually different. It is hoped that this work builds a new foundation for computational investigations in the case of the BrS and its diagnosis.
• Abstract（参考訳）: 医療診断は、人の人生を大きく変えることができる。 したがって、診断について確かな証拠をできるだけ収集することが常に推奨される。 残念ながら、ブルガダ症候群(brs)は稀で遺伝性の心臓疾患であり、心電図(ecg)の典型的なパターンである1つの診断基準しか存在しない。 以下の論文では、機械学習によるECGストリップの調査により、BrS陽性症例の検出が改善し、診断プロセスが改善するかどうかを疑問視する。 本稿では,ECGのスキャン画像を読み込むパイプラインを提案し,複数の処理ステップの後にキャプチャされた信号をデジタル時間電圧データに変換する。 そして,抽出したデータに基づいて構築し,その診断を行うLong Short-term memory(LSTM)分類器を提案する。 提案するパイプラインは,3種類のECGイメージを区別し,各リード信号の再生を行う。 データのデジタル化の間に特徴と品質が保持されるが、遭遇した問題の一部は完全に削除されない(パートI)。 それにもかかわらず、上記のプログラムの結果は、その概念を証明し、将来の研究のアーキテクチャ基盤となる可能性のある分類器などの計算手法により、ECGのさらなる調査に適している(第2部)。 この論文は同じプロセスの一部であるが概念的に異なるため、2つの部分に分けられる。 この研究はbrsとその診断における計算研究の新たな基礎を築くことが期待されている。

関連論文リスト

• Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly Detection [33.48389041651675]
  心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。 希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。 本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
  論文  参考訳（メタデータ） (2023-08-03T09:16:57Z)
• Hierarchical Deep Learning with Generative Adversarial Network for Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
  本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。 第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。 第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
  論文  参考訳（メタデータ） (2022-10-19T12:29:05Z)
• A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
  本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。 各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
  論文  参考訳（メタデータ） (2022-08-29T05:01:04Z)
• Automatic Detection of Noisy Electrocardiogram Signals without Explicit Noise Labels [12.176026483486252]
  ノイズの多いECGサンプルを自動的に検出する2段階のディープラーニングベースのフレームワークを提案する。 本フレームワークは, わずかに, 非常にノイズの多いECGサンプルを効果的に検出できる。 また、あるデータセットで学習したモデルの別のデータセットへの転送について検討し、このフレームワークがノイズの多いECGサンプルを効果的に検出することを観察する。
  論文  参考訳（メタデータ） (2022-08-08T17:16:16Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• An Algorithm for the Labeling and Interactive Visualization of the Cerebrovascular System of Ischemic Strokes [59.116811751334225]
  VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。 閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。 本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
  論文  参考訳（メタデータ） (2022-04-26T14:20:26Z)
• 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)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• SpineOne: A One-Stage Detection Framework for Degenerative Discs and Vertebrae [54.751251046196494]
  SpineOneと呼ばれる一段階検出フレームワークを提案し、MRIスライスから変性椎骨と椎骨を同時に局在化・分類する。 1)キーポイントの局所化と分類を促進するためのキーポイント・ヒートマップの新しい設計、2)ディスクと脊椎の表現をよりよく区別するためのアテンション・モジュールの使用、3)後期訓練段階における複数の学習目標を関連付けるための新しい勾配誘導客観的アソシエーション機構。
  論文  参考訳（メタデータ） (2021-10-28T12:59:06Z)
• Classification of Arrhythmia by Using Deep Learning with 2-D ECG Spectral Image Representation [3.3426603061273994]
  本稿では,ECG信号を8つのクラスに分類するための2次元(2次元)畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々は,最新の平均分類精度99.11%を達成し,同種の不整脈の分類において,最近報告した結果より優れている。
  論文  参考訳（メタデータ） (2020-05-14T12:11:41Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。