論文の概要: Deep Learning-Based Arrhythmia Detection Using RR-Interval Framed
Electrocardiograms
- arxiv url: http://arxiv.org/abs/2012.00348v1
- Date: Tue, 1 Dec 2020 09:10:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 19:57:34.984656
- Title: Deep Learning-Based Arrhythmia Detection Using RR-Interval Framed
Electrocardiograms
- Title(参考訳): RR-Interval Framed Electrocardiogram を用いたディープラーニングによる不整脈検出
- Authors: Song-Kyoo Kim, Chan Yeob Yeun, Paul D. Yoo, Nai-Wei Lo, Ernesto
Damiani
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.884633954053344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning applied to electrocardiogram (ECG) data can be used to achieve
personal authentication in biometric security applications, but it has not been
widely used to diagnose cardiovascular disorders. We developed a deep learning
model for the detection of arrhythmia in which time-sliced ECG data
representing the distance between successive R-peaks are used as the input for
a convolutional neural network (CNN). The main objective is developing the
compact deep learning based detect system which minimally uses the dataset but
delivers the confident accuracy rate of the Arrhythmia detection. This compact
system can be implemented in wearable devices or real-time monitoring equipment
because the feature extraction step is not required for complex ECG waveforms,
only the R-peak data is needed. The results of both tests indicated that the
Compact Arrhythmia Detection System (CADS) matched the performance of
conventional systems for the detection of arrhythmia in two consecutive test
runs. All features of the CADS are fully implemented and publicly available in
MATLAB.
- Abstract(参考訳): 心電図(ECG)データに応用された深層学習は生体認証の応用において個人認証に利用できるが、心血管疾患の診断には広く使われていない。
畳み込みニューラルネットワーク(CNN)の入力として,連続Rピーク間の距離を表す時間スライスECGデータを用いた不整脈検出のための深層学習モデルを開発した。
主な目的は、データセットを最小に使用するが、不整脈検出の自信のある精度を提供する、コンパクトなディープラーニングベースの検出システムを開発することである。
この小型システムは、複雑なECG波形に特徴抽出ステップを必要としないため、ウェアラブルデバイスやリアルタイム監視装置に実装でき、Rピークデータのみを必要とする。
両試験の結果, CADS (Compact Arrhythmia Detection System) は2回の連続試験において, 不整脈検出システムの性能と一致した。
CADSのすべての機能は完全に実装されており、MATLABで公開されている。
関連論文リスト
- 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) - 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) - A Personalized Zero-Shot ECG Arrhythmia Monitoring System: From Sparse
Representation Based Domain Adaption to Energy Efficient Abnormal Beat
Detection for Practical ECG Surveillance [20.484741412823446]
本稿では,ウェアラブルモバイルセンサにおける早期不整脈検出のための低コストで高精度なECGモニタリングシステムを提案する。
ウェアラブルデバイスにパーソナライズされたアルゴリズムが組み込まれている現実のシナリオでは、そのようなトレーニングデータは、心疾患歴のない健康な人には利用できない。
本稿では,既存ユーザの異常信号と正常信号とを新たなユーザ信号空間に投影するために,疎表現に基づくドメイン適応手法を提案する。
ゼロショット不整脈検出のアプローチでは、平均精度は98.2%、F1スコアは92.8%となる。
論文 参考訳(メタデータ) (2022-07-14T17:40:05Z) - ECG Heartbeat classification using deep transfer learning with
Convolutional Neural Network and STFT technique [3.0065593137364353]
そこで本研究では,小規模学習データセットの分類を目的としたディープトランスファー学習フレームワークを提案する。
提案手法は、AAMI EC57規格に従って、汎用画像分類器ResNet-18をMIT-BIH不整脈データセットで微調整する。
論文 参考訳(メタデータ) (2022-06-28T04:57:02Z) - 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) - 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) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳(メタデータ) (2021-11-08T07:57:30Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - ECG-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional
Neural Networks [9.410102957429705]
本稿では,意図に基づく畳み込みニューラルネットワーク(ABCNN)を用いて生の心電図信号に対処し,正確な不整脈検出のための情報的依存関係を自動的に抽出する手法を提案する。
我々の主な課題は、正常な心拍から不整脈を見つけ、その間に5種類の不整脈から心疾患を正確に認識することである。
実験の結果,提案するABCNNは広く使用されているベースラインよりも優れていた。
論文 参考訳(メタデータ) (2021-08-18T14:55:46Z) - 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。