Fugu-MT 論文翻訳(概要): CardioGAN: Attentive Generative Adversarial Network with Dual Discriminators for Synthesis of ECG from PPG

論文の概要: CardioGAN: Attentive Generative Adversarial Network with Dual Discriminators for Synthesis of ECG from PPG

arxiv url: http://arxiv.org/abs/2010.00104v2
Date: Tue, 15 Dec 2020 05:51:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 00:30:01.937201
Title: CardioGAN: Attentive Generative Adversarial Network with Dual Discriminators for Synthesis of ECG from PPG
Title（参考訳）: CardioGAN:PSGからの心電図合成のための二重判別器を用いた注意生成対向ネットワーク
Authors: Pritam Sarkar, Ali Etemad
Abstract要約: 心電図(Electrocardiogram、ECG)は、心臓活動の電気的測定である。光胸腺X線写真(英: Photoplethysmogram, PPG)は、血液循環の変化の光学的測定である。本稿では、PSGを入力とし、ECGを出力として生成する逆モデルであるCardioGANを提案する。
参考スコア（独自算出の注目度）: 25.305949034527202
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Electrocardiogram (ECG) is the electrical measurement of cardiac activity, whereas Photoplethysmogram (PPG) is the optical measurement of volumetric changes in blood circulation. While both signals are used for heart rate monitoring, from a medical perspective, ECG is more useful as it carries additional cardiac information. Despite many attempts toward incorporating ECG sensing in smartwatches or similar wearable devices for continuous and reliable cardiac monitoring, PPG sensors are the main feasible sensing solution available. In order to tackle this problem, we propose CardioGAN, an adversarial model which takes PPG as input and generates ECG as output. The proposed network utilizes an attention-based generator to learn local salient features, as well as dual discriminators to preserve the integrity of generated data in both time and frequency domains. Our experiments show that the ECG generated by CardioGAN provides more reliable heart rate measurements compared to the original input PPG, reducing the error from 9.74 beats per minute (measured from the PPG) to 2.89 (measured from the generated ECG).
Abstract（参考訳）: 心電図 (ECG) は心臓活動の電気的測定であり、光胸腺図 (PPG) は血液循環の体積変化の光学的測定である。どちらの信号も心拍モニタリングに使用されるが、医療の観点から見れば、心電図は追加の心臓情報を運ぶためより有用である。連続的かつ信頼性の高い心臓モニタリングのために、スマートウォッチや同様のウェアラブルデバイスに心電図センサーを組み込もうとする試みは数多くあるが、PSGセンサーは利用可能な主要なセンサーソリューションである。そこで本研究では,ppgを入力とし,ecgを出力として生成する逆向モデルであるcardiganを提案する。提案するネットワークは,時間領域と周波数領域の両方で生成したデータの整合性を維持するために,アテンションベースのジェネレータを用いて局所的に有意な特徴を学習する。実験の結果,CardioGANが生成した心電図は,元の入力PSGと比較して信頼性の高い心拍数測定が可能であり,1分9.74拍子から2.89拍子まで誤差を低減できた。

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)
f-GAN: A frequency-domain-constrained generative adversarial network for PPG to ECG synthesis [5.206775979957893]
心電図(ECG)と光胸腺図(PSG)は、一般に個人の心血管の健康をモニターするために用いられる。臨床環境では、心電図とPSGが心臓血管の健康を評価する主要なシグナルであるが、その収集に必要な機器は日々のモニタリングでの使用を妨げている。組合わせPSG信号から心電図信号を合成するモデルを開発することにより、心電図が心血管の健康にもたらす情報と、PSGが容易に収集できることを両立させたい。
論文参考訳（メタデータ） (2024-05-15T18:53:05Z)
MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-07T23:20:56Z)
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)
PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文参考訳（メタデータ） (2023-05-17T09:06:39Z)
SEVGGNet-LSTM: a fused deep learning model for ECG classification [38.747030782394646]
入力ECG信号はまずセグメント化され、正規化され、その後、特徴抽出と分類のためにVGGとLSTMネットワークに入力される。注目機構(SEブロック)をコアネットワークに組み込んで重要な特徴の重み付けを行う。
論文参考訳（メタデータ） (2022-10-31T07:36:48Z)
Towards Personalized Healthcare in Cardiac Population: The Development of a Wearable ECG Monitoring System, an ECG Lossy Compression Schema, and a ResNet-Based AF Detector [19.706400613998703]
心房細動(AF)は通常、心電図(ECG)を用いて診断される。本書では、ウェアラブルECGデバイス、モバイルアプリケーション、バックエンドサーバを具現化したパーソナライズされた医療システムの設計と実装について述べる。
論文参考訳（メタデータ） (2022-07-11T19:08:46Z)
Performer: A Novel PPG to ECG Reconstruction Transformer For a Digital Biomarker of Cardiovascular Disease Detection [0.0]
心臓血管疾患(CVD)は死因の上位1つとなり、これらの死亡の4分の3は低所得層で発生している。心電図 (ECG) は, ユーザ参加の必要性から, 連続心臓モニタリングには有効ではない。フォトプレチスモグラフィーは容易に収集できるが、精度の制限により臨床応用は制限される。
論文参考訳（メタデータ） (2022-04-25T17:10:13Z)
Runtime Monitoring and Statistical Approaches for Correlation Analysis of ECG and PPG [3.9526036279093937]
ECGとPSGは同じ現象に「異なる窓」を与える信号である。 ECG と PPG は別々に使用されるが、異なる ECG と PPG の事象の正確な補正についての研究は行われていない。本稿では,ECG と PPG 信号の鍵となる関係を正式に確立するための最初のアプローチを提案する。
論文参考訳（メタデータ） (2022-01-20T08:01:45Z)
A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
論文参考訳（メタデータ） (2021-02-02T19:51:12Z)

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。