Fugu-MT 論文翻訳(概要): A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds

論文の概要: A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds

arxiv url: http://arxiv.org/abs/2102.01728v1
Date: Tue, 2 Feb 2021 19:51:12 GMT
ステータス: 翻訳完了
システム内更新日: 2021-02-04 17:13:26.148090
Title: A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds
Title（参考訳）: 心電図信号と心臓音の同期を用いた新しいトランスファー学習型心疾患スクリーニング法
Authors: Ramith Hettiarachchi, Udith Haputhanthri, Kithmini Herath, Hasindu Kariyawasam, Shehan Munasinghe, Kithmin Wickramasinghe, Duminda Samarasinghe, Anjula De Silva and Chamira Edussooriya
Abstract要約: 心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
参考スコア（独自算出の注目度）: 0.5621251909851629
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Diagnosing pre-existing heart diseases early in life is important as it helps prevent complications such as pulmonary hypertension, heart rhythm problems, blood clots, heart failure and sudden cardiac arrest. To identify such diseases, phonocardiogram (PCG) and electrocardiogram (ECG) waveforms convey important information. Therefore, effectively using these two modalities of data has the potential to improve the disease screening process. Here, we evaluate this hypothesis on a subset of the PhysioNet Challenge 2016 Dataset which contains simultaneously acquired PCG and ECG recordings. Our novel Dual-Convolutional Neural Network based approach uses transfer learning to tackle the problem of having limited amounts of simultaneous PCG and ECG data that is publicly available, while having the potential to adapt to larger datasets. In addition, we introduce two main evaluation frameworks named record-wise and sample-wise evaluation which leads to a rich performance evaluation for the transfer learning approach. Comparisons with methods which used single or dual modality data show that our method can lead to better performance. Furthermore, our results show that individually collected ECG or PCG waveforms are able to provide transferable features which could effectively help to make use of a limited number of synchronized PCG and ECG waveforms and still achieve significant classification performance.
Abstract（参考訳）: 既往心疾患の診断は、肺高血圧症、心臓リズム障害、血栓症、心不全、突然の心停止などの合併症の予防に役立つため重要である。このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。したがって、これらの2種類のデータの有効利用は、疾患スクリーニングプロセスを改善する可能性を秘めている。本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016 Datasetのサブセット上で,この仮説を評価する。我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、大規模なデータセットに適応する可能性を秘めつつ、公開可能なPCGとECGの同時データを限られた量保持する問題に対処する。また、記録的評価とサンプル的評価という2つの主要な評価フレームワークを導入し、トランスファーラーニングアプローチの豊富なパフォーマンス評価につながります。単一・二重モードデータを用いた手法との比較により,本手法が性能向上につながることが示された。さらに,各々収集されたECG波形やPCG波形は,同期PCG波形やECG波形の限られた数を有効活用し,未だに有意な分類性能を達成できるトランスファー可能な機能を提供することができた。

関連論文リスト

Synthetic Time Series Data Generation for Healthcare Applications: A PCG Case Study [43.28613210217385]
我々は、PCGデータを生成するために、最先端の3つの生成モデルを採用し、比較する。その結果,生成したPCGデータは元のデータセットによく似ていることがわかった。今後の研究では、この手法をデータ拡張パイプラインに組み込んで、異常なPCG信号を心臓の大腿骨で合成する予定である。
論文参考訳（メタデータ） (2024-12-17T18:07:40Z)
FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文参考訳（メタデータ） (2024-10-28T02:24:01Z)
ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
論文参考訳（メタデータ） (2024-09-19T06:14:30Z)
Personalized Heart Disease Detection via ECG Digital Twin Generation [12.652722066483172]
心臓病は世界的死亡の主な原因の1つである。パーソナライズされた心臓疾患検出のための革新的な予測学習手法を提案する。当社のアプローチは、患者のデータを保護し、堅牢なプライバシ保護を保証する。
論文参考訳（メタデータ） (2024-04-17T08:40:54Z)
MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-07T23:20:56Z)
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)
PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling [11.617950008187366]
光胸腺造影法(英: Photoplethysmography, PPG)は、光学的手法を用いて心臓生理学を計測する費用効率の高い非侵襲的手法である。本稿では,PPG信号を対応するECG波形に変換するために,主観非依存の注目に基づく深部状態空間モデル(ADSSM)を提案する。
論文参考訳（メタデータ） (2023-09-27T03:07:46Z)
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)
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)
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)
Optimal Transport based Data Augmentation for Heart Disease Diagnosis and Prediction [16.7288675686184]
本稿では、不均衡なECGデータセット内のデータ不均衡問題を解決するために、新しいデータ拡張法を提案する。最適輸送を用いて、正常心電図のビートから心電図の疾患データを増強し、異なるカテゴリ間でデータのバランスをとる。その結果,1) 分類モデルが5つのECGカテゴリで競合予測を行う能力,2) データ拡張手法の有効性を反映した精度と堅牢性の向上が示された。
論文参考訳（メタデータ） (2022-01-25T03:49:28Z)
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)

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。