論文の概要: Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability

• arxiv url: http://arxiv.org/abs/2010.15893v1
• Date: Thu, 29 Oct 2020 19:14:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-01 23:46:20.370961
• Title: Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability
• Title（参考訳）: 心拍変動パラメータを用いた機械学習による虚血性心疾患の同定
• Authors: Giulia Silveri, Marco Merlo, Luca Restivo, Beatrice De Paola, Aleksandar Miladinovi\'c, Milo\v{s} Aj\v{c}evi\'c, Gianfranco Sinagra, Agostino Accardo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.591267188664666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The diagnosis of heart diseases is a difficult task generally addressed by an appropriate examination of patients clinical data. Recently, the use of heart rate variability (HRV) analysis as well as of some machine learning algorithms, has proved to be a valuable support in the diagnosis process. However, till now, ischemic heart disease (IHD) has been diagnosed on the basis of Artificial Neural Networks (ANN) applied only to signs, symptoms and sequential ECG and coronary angiography, an invasive tool, while could be probably identified in a non-invasive way by using parameters extracted from HRV, a signal easily obtained from the ECG. In this study, 18 non-invasive features (age, gender, left ventricular ejection fraction and 15 obtained from HRV) of 243 subjects (156 normal subjects and 87 IHD patients) were used to train and validate a series of several ANN, different for number of input and hidden nodes. The best result was obtained using 7 input parameters and 7 hidden nodes with an accuracy of 98.9% and 82% for the training and validation dataset, respectively.
• Abstract（参考訳）: 心臓疾患の診断は、臨床データの適切な検査によって一般的に解決される困難な課題である。 近年,いくつかの機械学習アルゴリズムと同様に心拍変動解析(hrv)が診断プロセスにおいて有用であることが証明されている。 しかし、これまで虚血性心疾患(ihd)は、サイン、症状、逐次的心電図、冠動脈造影にのみ適用される人工神経回路(ann)に基づいて診断されてきたが、心電図から容易に得られる信号であるhrvから抽出されたパラメータを用いて、非侵襲的に同定できる可能性がある。 本研究では,243名の健常者(156名, ihd患者87名)の非侵襲的特徴(年齢, 性別, 左室射出率およびhrvから得られた15名)を入力ノード数と隠れノード数で異なる一連のアンの訓練と検証に用いた。 最良の結果は、7つの入力パラメータと7つの隠れノードを用いて得られ、それぞれ98.9%と82%の精度でトレーニングと検証データセットが得られた。

関連論文リスト

• Anomaly Detection in Electrocardiograms: Advancing Clinical Diagnosis Through Self-Supervised Learning [32.37717219026923]
  既存のシステムは、心臓のマクロ/ミクロ構造における深刻な生命を脅かす問題や変化の前兆となる稀な心臓異常を見逃すことがしばしばある。 本研究は自己監督型異常検出(AD)に焦点をあて,異常を示す偏差を認識するために,正常心電図のみを訓練する。 本稿では,心電図の異常を自律的に検出し,局所化するために,正常心電図の膨大なデータセットを利用する,心電図ADのための新しい自己教師型学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-07T12:15:53Z)
• Advancements in Continuous Glucose Monitoring: Integrating Deep Learning and ECG Signal [0.0]
  本稿では, 心電図(ECG)を用いた非侵襲性高血糖モニタリングへの新しいアプローチを提案する。 我々は、様々な空間的位置における重要な特徴を特定し、各畳み込み層内の異なる特徴間の相互依存性を調べることができるディープニューラルネットワークモデルを設計した。 提案アルゴリズムは、曲線(AUC)下の91.60%の領域、81.05%の感度、85.54%の特異性を持つ高血糖を効果的に検出する。
  論文  参考訳（メタデータ） (2024-03-12T03:57:25Z)
• Development of a Deep Learning Method to Identify Acute Ischemic Stroke Lesions on Brain CT [38.06921198677509]
  ディープラーニング技術は、自動化されたCT脳スキャンアセスメントを提供することができるが、通常は注釈付き画像を必要とする。 我々は,第3回国際ストローク裁判(IST-3)のCT脳スキャンを用いた畳み込みニューラルネットワークを用いたDLアルゴリズムを設計した。 DL法は病変の有無と側方で72%の精度が得られた。
  論文  参考訳（メタデータ） (2023-09-29T15:28:16Z)
• Liver Tumor Screening and Diagnosis in CT with Pixel-Lesion-Patient Network [37.931408083443074]
  Pixel-Lesion-pAtient Network (PLAN) は, アンカークエリの改善と前景のサンプリング損失による各病変の分割と分類を行う。 PLANは95%と96%の患者レベルの感度と特異性を達成している。 造影CTでは, 病変レベルの検出精度, リコール, 分類精度は92%, 89%, 86%であり, CNNやトランスフォーマーよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-17T06:21:45Z)
• ECG-Based Patient Identification: A Comprehensive Evaluation Across Health and Activity Conditions [0.0]
  本稿では,心電図信号を用いた医療システムにおける患者識別のための新しいアプローチを提案する。 畳み込みニューラルネットワーク(CNN)は、心電図信号から派生した特定のタイプの画像である心電図に基づいてユーザを分類するために使用される。 提案した同定システムは複数のデータベースで評価され、健常者では99.84%、循環器疾患では97.09%、健常者および不整脈患者では97.89%である。
  論文  参考訳（メタデータ） (2023-02-13T17:14:55Z)
• Automated Huntington's Disease Prognosis via Biomedical Signals and Shallow Machine Learning [0.0]
  心電図, 心電図, 機能的近赤外分光データを用いて, 患者27名, コントロール36名, 不明6名のクリニックで収集した既製認定データセットを用いて検討した。 最大精度はスケールアウトしたExtremely Randomized Treesアルゴリズムにより達成され、受信者特性0.963の曲線下と91.353%の精度で達成された。
  論文  参考訳（メタデータ） (2023-02-04T02:20:46Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• CIRCA: comprehensible online system in support of chest X-rays-based COVID-19 diagnosis [37.41181188499616]
  深層学習技術は、新型コロナウイルスの迅速検出と疾患の進行のモニタリングに役立つ。 5つの異なるデータセットを使用して、モデルトレーニングのための23の799 CXRの代表的なデータセットを構築した。 The U-Net-based model was developed to identified a clinically relevant region of the CXR。
  論文  参考訳（メタデータ） (2022-10-11T13:30:34Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Novel Classification of Ischemic Heart Disease Using Artificial Neural Network [0.0]
  虚血性心疾患 (IHD) は, 不安定狭心症, 心筋梗塞, 急激な心死で発症する前, 静電気泳動による微妙な病態である。 パラメータ抽出型心拍変動(HRV)信号に適用した機械学習技術は、いくつかの心臓疾患の早期診断において貴重な支援であると考えられる。 本研究は,965名の被験者の大規模なコホートにおいて,ANNに対して適用された線形および非線形のHRVパラメータを用いて,高い精度でIHD患者を識別できる特徴を同定した。
  論文  参考訳（メタデータ） (2020-11-19T13:00:06Z)

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。