論文の概要: A Graph-Constrained Changepoint Learning Approach for Automatic QRS-Complex Detection

• arxiv url: http://arxiv.org/abs/2102.01319v1
• Date: Tue, 2 Feb 2021 05:19:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-05 05:57:19.161331
• Title: A Graph-Constrained Changepoint Learning Approach for Automatic QRS-Complex Detection
• Title（参考訳）: グラフ制約付き変更点学習によるQRS複合検出
• Authors: Atiyeh Fotoohinasab, Toby Hocking, and Fatemeh Afghah
• Abstract要約: 本研究では,Rピーク位置の探索にグラフベースの変化点検出モデルを適用し,ECG信号解析の新しい視点を提案する。 提案した学習アルゴリズムは単純な初期グラフから始まり、Rピーク検出において最終グラフが最大精度を持つように反復的にグラフを編集する。
• 参考スコア（独自算出の注目度）: 5.763710641111973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a new viewpoint on ECG signal analysis by applying a graph-based changepoint detection model to locate R-peak positions. This model is based on a new graph learning algorithm to learn the constraint graph given the labeled ECG data. The proposed learning algorithm starts with a simple initial graph and iteratively edits the graph so that the final graph has the maximum accuracy in R-peak detection. We evaluate the performance of the algorithm on the MIT-BIH Arrhythmia Database. The evaluation results demonstrate that the proposed method can obtain comparable results to other state-of-the-art approaches. The proposed method achieves the overall sensitivity of Sen = 99.64%, positive predictivity of PPR = 99.71%, and detection error rate of DER = 0.19.
• Abstract（参考訳）: 本研究では,Rピーク位置の探索にグラフベースの変化点検出モデルを適用し,ECG信号解析の新しい視点を提案する。 このモデルは、ラベル付きECGデータから制約グラフを学習する新しいグラフ学習アルゴリズムに基づいています。 提案した学習アルゴリズムは単純な初期グラフから始まり、Rピーク検出において最終グラフが最大精度を持つように反復的にグラフを編集する。 MIT-BIH不整脈データベースでアルゴリズムの性能を評価します。 評価結果は,提案手法が他の最先端手法に匹敵する結果が得られることを示す。 提案手法は,sen = 99.64%, ppr = 99.71%, der = 0.19の検出誤差率の合計感度を達成している。

関連論文リスト

• Towards Self-Interpretable Graph-Level Anomaly Detection [73.1152604947837]
  グラフレベルの異常検出(GLAD)は、コレクションの大多数と比べて顕著な相違を示すグラフを識別することを目的としている。 本稿では,異常なグラフを検出し,同時に情報的説明を生成する自己解釈グラフaNomaly dETectionモデル(SIGNET)を提案する。
  論文  参考訳（メタデータ） (2023-10-25T10:10:07Z)
• Open-World Lifelong Graph Learning [7.535219325248997]
  オープンワールドシナリオにおける生涯グラフ学習の課題について検討する。 我々は、新しいクラスを認識するために、out-of-Distribution (OOD) 検出手法を利用する。 我々は,OOD検出手法とグラフ近傍から収集した情報を組み合わせることで,新しいクラス検出を行うことを提案する。
  論文  参考訳（メタデータ） (2023-10-19T08:18:10Z)
• Towards Accurate Subgraph Similarity Computation via Neural Graph Pruning [22.307526272085024]
  本研究では,グラフプルーニングをノード遅延問題に変換し,それを微分可能な問題に緩和する。 このアイデアに基づいて、サブグラフ編集距離(SED)のタイプを近似する新しいニューラルネットワークを設計する。 モデルの設計では,クエリグラフに関する情報を活用し,対象グラフのプルーニングを誘導するアテンション機構を提案する。
  論文  参考訳（メタデータ） (2022-10-19T15:16:28Z)
• Benchmarking Node Outlier Detection on Graphs [90.29966986023403]
  グラフの外れ値検出は、多くのアプリケーションにおいて、新しいが重要な機械学習タスクである。 UNODと呼ばれるグラフに対して、最初の包括的教師なしノード外乱検出ベンチマークを示す。
  論文  参考訳（メタデータ） (2022-06-21T01:46:38Z)
• Optimal Propagation for Graph Neural Networks [51.08426265813481]
  最適グラフ構造を学習するための二段階最適化手法を提案する。 また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
  論文  参考訳（メタデータ） (2022-05-06T03:37:00Z)
• 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)
• A Greedy Graph Search Algorithm Based on Changepoint Analysis for Automatic QRS Complex Detection [6.47783315109491]
  心電図(ECG)信号は、心血管疾患の研究において最も広く用いられる非侵襲的ツールである。 本研究では,最適点検出モデルに基づく新しいグラフィカルモデルを導入することにより,ECG信号解析の新しい手法を提案する。 提案モデルでは,ECG信号の急激な変化を検出するために,変化点の空間性を利用する。
  論文  参考訳（メタデータ） (2021-02-06T08:59:18Z)
• Transfer Learning in Large-scale Gaussian Graphical Models with False Discovery Rate Control [6.230751621285322]
  評価アルゴリズムであるTrans-CLIMEが提案され, 単一実験環境における最小収束速度よりも高速に収束できることが示されている。 予測誤差の顕著な減少とリンク検出のパワーの大幅な増大が観察された。
  論文  参考訳（メタデータ） (2020-10-21T14:39:14Z)
• Graph Information Bottleneck for Subgraph Recognition [103.37499715761784]
  本稿では,深層グラフ学習における部分グラフ認識問題に対するグラフ情報ブートネック(GIB)の枠組みを提案する。 この枠組みの下では、最大情報でありながら圧縮的な部分グラフ(IB-subgraph)を認識できる。 IB-サブグラフの特性を3つのアプリケーションシナリオで評価する。
  論文  参考訳（メタデータ） (2020-10-12T09:32:20Z)
• A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
  本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。 提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
  論文  参考訳（メタデータ） (2020-04-24T23:41:41Z)
• Data-Driven Factor Graphs for Deep Symbol Detection [107.63351413549992]
  本稿では,因子グラフ法をデータ駆動方式で実装することを提案する。 特に,機械学習(ML)ツールを用いて因子グラフの学習を提案する。 我々は,BCJRNetと呼ばれる提案システムにおいて,BCJRアルゴリズムを小さなトレーニングセットから実装することを実証した。
  論文  参考訳（メタデータ） (2020-01-31T09:23:52Z)

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。