論文の概要: Cardiac Arrhythmia Detection from ECG with Convolutional Recurrent Neural Networks

• arxiv url: http://arxiv.org/abs/2010.03204v1
• Date: Wed, 7 Oct 2020 06:24:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 00:15:16.433557
• Title: Cardiac Arrhythmia Detection from ECG with Convolutional Recurrent Neural Networks
• Title（参考訳）: 畳み込みリカレントニューラルネットワークを用いた心電図の心臓不整脈検出
• Authors: J\'er\^ome Van Zaen and Ricard Delgado-Gonzalo and Damien Ferrario Mathieu Lemay
• Abstract要約: 単誘導ECG信号から異常なリズムを検出する3つのニューラルネットワークアーキテクチャを提案する。 これらのアーキテクチャは、畳み込み層を組み合わせて、滑り窓や繰り返し層から不整脈を検出するための高レベルな特徴を抽出し、それらの特徴を様々な期間の信号に集約する。
• 参考スコア（独自算出の注目度）: 0.15625709395072906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Except for a few specific types, cardiac arrhythmias are not immediately life-threatening. However, if not treated appropriately, they can cause serious complications. In particular, atrial fibrillation, which is characterized by fast and irregular heart beats, increases the risk of stroke. We propose three neural network architectures to detect abnormal rhythms from single-lead ECG signals. These architectures combine convolutional layers to extract high-level features pertinent for arrhythmia detection from sliding windows and recurrent layers to aggregate these features over signals of varying durations. We applied the neural networks to the dataset used for the challenge of Computing in Cardiology 2017 and a dataset built by joining three databases available on PhysioNet. Our architectures achieved an accuracy of 86.23% on the first dataset, similar to the winning entries of the challenge, and an accuracy of 92.02% on the second dataset.
• Abstract（参考訳）: 特定のタイプを除いて、心臓不整脈はすぐには致命的ではない。 しかし、適切に治療されていない場合、重篤な合併症を引き起こすことがある。 特に、高速で不規則な心拍数を特徴とする心房細動は、脳卒中リスクを増加させる。 単誘導ECG信号から異常なリズムを検出する3つのニューラルネットワークアーキテクチャを提案する。 これらのアーキテクチャは畳み込み層を組み合わせることで、スライディングウインドウとリカレント層から不整脈を検出するための高レベルな特徴を抽出する。 循環器科2017でコンピューティングの課題に使用されるデータセットと、physionetで利用可能な3つのデータベースを結合したデータセットにニューラルネットワークを適用した。 我々のアーキテクチャは、第1のデータセットで86.23%の精度を達成し、チャレンジの勝者のエントリと同様、第2のデータセットで92.02%の精度を達成した。

関連論文リスト

• ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction [1.7894680263068135]
  心筋梗塞の診断にはECG--NETが有用である。 OMIは1つ以上の冠動脈の完全閉塞を特徴とする重度の心臓発作である。 OMI症例の3分の2は、12誘導心電図から視覚的に識別することが困難である。
  論文  参考訳（メタデータ） (2024-05-08T19:59:16Z)
• Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
  本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。 管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
  論文  参考訳（メタデータ） (2024-01-11T19:07:58Z)
• TSRNet: Simple Framework for Real-time ECG Anomaly Detection with Multimodal Time and Spectrogram Restoration Network [9.770923451320938]
  本稿では,異常検出を利用したトレーニング用心電図データのみを用いた不健康状態の同定手法を提案する。 本稿では,心電図信号の異常検出に特化して設計されたTSRNet(Multimodal Time and Spectrogram Restoration Network)を提案する。
  論文  参考訳（メタデータ） (2023-12-15T20:27:38Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Two-stream Network for ECG Signal Classification [3.222802562733787]
  本稿では,心電図に基づく心拍数型の自動分類アルゴリズムを提案する。 本稿では,2ストリームアーキテクチャを用いて,これに基づくECG認識の強化版を提案する。 MIT-BIH Arrhythmia Databaseの結果、提案アルゴリズムは99.38%の精度で実行されている。
  論文  参考訳（メタデータ） (2022-10-05T08:14:51Z)
• 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)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Deep Learning-Based Arrhythmia Detection Using RR-Interval Framed Electrocardiograms [9.884633954053344]
  ディープラーニングは、生体認証セキュリティアプリケーションにおける個人認証を実現するために使用することができる。 我々は,連続したRピーク間の距離を表す時間スライスされた心電図データを用いた不整脈検出モデルを開発した。 この小型システムは、ウェアラブルデバイスやリアルタイム監視機器に実装することができる。
  論文  参考訳（メタデータ） (2020-12-01T09:10:24Z)
• Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
  本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。 第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。 第2段階は、心拍を幅または幅に分類する分類NNである。 第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
  論文  参考訳（メタデータ） (2020-11-17T16:15:49Z)
• Atrial Fibrillation Detection and ECG Classification based on CNN-BiLSTM [3.1372269816123994]
  心電図(ECG)信号から心疾患を視覚的に検出することは困難である。 自動心電図信号検出システムを実装することにより,不整脈の診断精度を向上させることができる。
  論文  参考訳（メタデータ） (2020-11-12T04:20:56Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。