論文の概要: Representing and Denoising Wearable ECG Recordings
- arxiv url: http://arxiv.org/abs/2012.00110v1
- Date: Mon, 30 Nov 2020 21:33:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 14:55:29.059744
- Title: Representing and Denoising Wearable ECG Recordings
- Title(参考訳): ウェアラブルECG記録の表現と評価
- Authors: Jeffrey Chan, Andrew C. Miller, Emily B. Fox
- Abstract要約: ウェアラブルセンサから得られるECGの構造的ノイズ過程をシミュレートする統計モデルを構築した。
変動解析のためのビート・ツー・ビート表現を設計し,心電図を識別する因子分析に基づく手法を提案する。
- 参考スコア(独自算出の注目度): 12.378631176671773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern wearable devices are embedded with a range of noninvasive biomarker
sensors that hold promise for improving detection and treatment of disease. One
such sensor is the single-lead electrocardiogram (ECG) which measures
electrical signals in the heart. The benefits of the sheer volume of ECG
measurements with rich longitudinal structure made possible by wearables come
at the price of potentially noisier measurements compared to clinical ECGs,
e.g., due to movement. In this work, we develop a statistical model to simulate
a structured noise process in ECGs derived from a wearable sensor, design a
beat-to-beat representation that is conducive for analyzing variation, and
devise a factor analysis-based method to denoise the ECG. We study synthetic
data generated using a realistic ECG simulator and a structured noise model. At
varying levels of signal-to-noise, we quantitatively measure an upper bound on
performance and compare estimates from linear and non-linear models. Finally,
we apply our method to a set of ECGs collected by wearables in a mobile health
study.
- Abstract(参考訳): 現代のウェアラブルデバイスには、さまざまな非侵襲バイオマーカーセンサーが組み込まれており、疾患の検出と治療の改善を約束している。
そのようなセンサーの1つは、心臓の電気信号を測定する単葉心電図(ECG)である。
ウェアラブルによって可能な、豊富な縦長構造を持つ心電図測定の膨大なボリュームの利点は、運動などによる臨床心電図と比較すると、潜在的にノイズの多い測定値となる。
本研究では,ウェアラブルセンサから導出されるECGの構造的ノイズ過程をシミュレートする統計モデルを構築し,変動を解析するためのビート・ツー・ビート表現を設計し,ECGを分解する因子分析に基づく手法を提案する。
現実的なECGシミュレータと構造化ノイズモデルを用いて合成データを生成する。
信号対雑音の異なるレベルでは、性能の上限を定量的に測定し、線形モデルと非線形モデルからの推定値を比較する。
最後に,モバイル健康調査においてウェアラブルが収集した心電図に本手法を適用した。
関連論文リスト
- Bayesian ECG reconstruction using denoising diffusion generative models [11.603515105957461]
健常心電図(ECG)データを用いて訓練したDDGM(denoising diffusion generative model)を提案する。
以上の結果から, この革新的な生成モデルにより, 現実的なECG信号を生成できることが示唆された。
論文 参考訳(メタデータ) (2023-12-18T15:56:21Z) - EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳(メタデータ) (2023-10-24T02:37:49Z) - ECG-SL: Electrocardiogram(ECG) Segment Learning, a deep learning method
for ECG signal [19.885905393439014]
本稿では,ECG信号の周期的性質をモデル化する新しいECG-Segment Based Learning (ECG-SL) フレームワークを提案する。
この構造的特徴に基づき, 時間的モデルを用いて, 各種臨床業務の時間的情報学習を行う。
提案手法はベースラインモデルより優れ,3つの臨床応用におけるタスク固有手法と比較して競争性能が向上する。
論文 参考訳(メタデータ) (2023-10-01T23:17:55Z) - PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation
Detection via Attention-based Deep State-Space Modeling [13.057411517848166]
光胸腺撮影(PPG)は、非侵襲的で低コストな光学的手法を用いて心臓生理学を計測する。
ECGとPSGは強く相関するが、後者は重要な臨床診断値を提供していない。
本稿では,主観非依存の注意に基づく深部状態空間モデルを提案し,PSG信号を対応するECG波形に変換する。
論文 参考訳(メタデータ) (2023-09-27T03:07:46Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - 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) - MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained
through electrophysiological simulations [0.12417791895581763]
機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。
電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。
仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
論文 参考訳(メタデータ) (2022-11-29T07:46:39Z) - Leveraging Statistical Shape Priors in GAN-based ECG Synthesis [3.3482093430607267]
本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。
本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号の合成を行う。
以上の結果から,ECG信号の時間的・振幅的変動を2次元形状としてモデル化した手法は,最先端のGANベースの生成ベースラインと比較して,より現実的な信号を生成することがわかった。
論文 参考訳(メタデータ) (2022-10-22T18:06:11Z) - 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) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳(メタデータ) (2021-04-29T00:11:32Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z)
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。