Fugu-MT 論文翻訳(概要): Electrocardiogram Classification and Visual Diagnosis of Atrial Fibrillation with DenseECG

論文の概要: Electrocardiogram Classification and Visual Diagnosis of Atrial Fibrillation with DenseECG

arxiv url: http://arxiv.org/abs/2101.07535v1
Date: Tue, 19 Jan 2021 09:45:46 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 11:09:29.978670
Title: Electrocardiogram Classification and Visual Diagnosis of Atrial Fibrillation with DenseECG
Title（参考訳）: DenseECGを用いた心房細動の心電図分類と診断
Authors: Dacheng Chen, Dan Li, Xiuqin Xu, Ruizhi Yang, See-Kiong Ng
Abstract要約: 心房細動(AF)は、世界中の多くの人々に影響を与える一般的な心臓不整脈です。 DenseECGは5層1D密結合畳み込みニューラルネットワークに基づくエンドツーエンドモデルである。
参考スコア（独自算出の注目度）: 4.106327101916643
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Atrial Fibrillation (AF) is a common cardiac arrhythmia affecting a large number of people around the world. If left undetected, it will develop into chronic disability or even early mortality. However, patients who have this problem can barely feel its presence, especially in its early stage. A non-invasive, automatic, and effective detection method is therefore needed to help early detection so that medical intervention can be implemented in time to prevent its progression. Electrocardiogram (ECG), which records the electrical activities of the heart, has been widely used for detecting the presence of AF. However, due to the subtle patterns of AF, the performance of detection models have largely depended on complicated data pre-processing and expertly engineered features. In our work, we developed DenseECG, an end-to-end model based on 5 layers 1D densely connected convolutional neural network. We trained our model using the publicly available dataset from 2017 PhysioNet Computing in Cardiology(CinC) Challenge containing 8528 single-lead ECG recordings of short-term heart rhythms (9-61s). Our trained model was able to outperform the other state-of-the-art AF detection models on this dataset without complicated data pre-processing and expert-supervised feature engineering.
Abstract（参考訳）: 心房細動(Atrial Fibrillation、AF)は、世界中の多くの人々に影響を及ぼす一般的な不整脈である。発見されていない場合、慢性的な障害や早期死亡に至る。しかし、この問題のある患者は、特に初期の段階では、その存在感をほとんど感じない。非侵襲的, 自動的, 効果的検出法は, 医療介入の進行防止に間に合うように早期発見を支援するために必要である。心臓の電気活動を記録する心電図(ECG)は、AFの存在を検出するために広く用いられている。しかし、AFの微妙なパターンのため、検出モデルの性能は、複雑なデータ前処理と専門的に設計された機能に依存している。本研究では,5層1D高密度結合畳み込みニューラルネットワークに基づくエンドツーエンドモデルであるDenseECGを開発した。 2017 physionet computing in cardiology (cinc) challenge の公開データセットを用いて,短期心臓リズム (9-61s) の単誘導心電図記録8528本を含むモデルをトレーニングした。トレーニングしたモデルは、複雑なデータ前処理や専門家が監督する機能エンジニアリングなしに、このデータセット上の他の最先端af検出モデルよりも優れていました。

関連論文リスト

Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
論文参考訳（メタデータ） (2024-02-12T11:04:08Z)
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)
ElectroCardioGuard: Preventing Patient Misidentification in Electrocardiogram Databases through Neural Networks [0.0]
臨床的には, 誤診患者に対する心電図記録の割り当ては不注意に発生することがある。本稿では,2つの心電図が同一患者に由来するかどうかを判定する,小型で効率的な神経ネットワークモデルを提案する。 PTB-XL 上でのギャラリープローブによる患者識別において、760 倍のパラメータを用いて最先端の性能を実現する。
論文参考訳（メタデータ） (2023-06-09T18:53:25Z)
Machine learning-based detection of cardiovascular disease using ECG signals: performance vs. complexity [0.0]
本稿では心電図記録から心疾患を分類するための新しいアプローチを提案する。最初のアプローチは、ECG信号とディープラーニングに基づく画像分類器のPoincare表現を提案する。 1D畳み込みモデル、特に1D ResNetは、CinC 2017とCinC 2020データセットの両方で最高の結果を示している。
論文参考訳（メタデータ） (2023-03-10T12:47:46Z)
Task-oriented Self-supervised Learning for Anomaly Detection in Electroencephalography [51.45515911920534]
タスク指向型自己教師型学習手法を提案する。大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
論文参考訳（メタデータ） (2022-07-04T13:15:08Z)
Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
心房細動(Atrial Fibrillation,AF)は心臓不整脈である。畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
論文参考訳（メタデータ） (2022-01-14T10:09:01Z)
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)
Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
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。
論文参考訳（メタデータ） (2020-10-29T19:14:41Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)
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)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。