論文の概要: ECGT2T: Electrocardiogram synthesis from Two asynchronous leads to Ten leads

• arxiv url: http://arxiv.org/abs/2103.00006v1
• Date: Sun, 28 Feb 2021 09:23:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-04 05:58:51.069216
• Title: ECGT2T: Electrocardiogram synthesis from Two asynchronous leads to Ten leads
• Title（参考訳）: ECGT2T:2つの非同期リードからテンリードへの心電図合成
• Authors: Yong-Yeon Jo and Joon-Myoung Kwon
• Abstract要約: 2つの非同期リードから10リード(ECGT2T)へのECG合成のための深い生成モデルを提案する。 ECGT2Tが生成したリードのリズムと振幅は、元のリードと似ているが、この手法はノイズを除去し、ベースラインが元のリードに現れる。
• 参考スコア（独自算出の注目度）: 0.7817685358710508
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The electrocardiogram (ECG) records electrical signals in a non-invasive way to observe the condition of the heart. It consists of 12 leads that look at the heart from different directions. Recently, various wearable devices have enabled immediate access to the ECG without the use of wieldy equipment. However, they only provide ECGs with one or two leads. This results in an inaccurate diagnosis of cardiac disease. We propose a deep generative model for ECG synthesis from two asynchronous leads to ten leads (ECGT2T). It first represents a heart condition referring to two leads, and then generates ten leads based on the represented heart condition. Both the rhythm and amplitude of leads generated by ECGT2T resemble those of the original ones, while the technique removes noise and the baseline wander appearing in the original leads. As a data augmentation method, ECGT2T improves the classification performance of models compared with models using ECGs with a couple of leads.
• Abstract（参考訳）: 心電図(ECG)は、心臓の状態を観察する非侵襲的な方法で電気信号を記録する。 それは異なる方向から心臓を見る12のリードで構成されています。 近年、様々なウェアラブルデバイスが、ワイルディ機器を使わずにECGへの即時アクセスを可能にしている。 しかし、ECGに1つまたは2つのリードのみを提供する。 この結果、心疾患の診断が不正確になる。 本稿では,2つの非同期リードから10リード(ECGT2T)へのECG合成の深部生成モデルを提案する。 最初は2つのリードを参照する心臓状態を表し、その後、代表される心臓状態に基づいて10個のリードを生成する。 ECGT2Tが生成したリードのリズムと振幅は、元のリードと似ているが、この手法はノイズを除去し、ベースラインが元のリードに現れる。 データ拡張手法として、ECGT2Tは、複数のリードを持つECGを用いたモデルと比較して、モデルの分類性能を改善する。

関連論文リスト

• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• 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)
• ECGformer: Leveraging transformer for ECG heartbeat arrhythmia classification [0.0]
  不整脈または不整脈とも呼ばれる不整脈は不整脈を指す。 深層学習は、様々な医学的課題に取り組む際、例外的な能力を示した。 我々は心電図データに現れる様々な不整脈の分類のためのECGformerモデルを開発した。
  論文  参考訳（メタデータ） (2024-01-06T06:14:48Z)
• 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)
• 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)
• Enhancing Deep Learning-based 3-lead ECG Classification with Heartbeat Counting and Demographic Data Integration [0.0]
  本稿では,3段階のECG分類において,現在のディープラーニングシステムの性能向上のための2つの新しい手法を紹介する。 具体的には、心拍数回帰という形でのマルチタスク学習方式と、患者人口統計データをシステムに組み込む効果的なメカニズムを提案する。 これら2つの進歩により、2つの大規模ECGデータセットにおいて、F1スコアの0.9796と0.8140の分類性能を得た。
  論文  参考訳（メタデータ） (2022-08-15T09:33:36Z)
• 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)
• Synthesis of standard 12-lead electrocardiograms using two dimensional generative adversarial network [0.0]
  提案モデルは,LVHが98%,LBBBが93%,ACUTMIが79%,正常が59%の合成標準ECG信号を生成することができる。 2D GANを使用して、実際のECGの多様なデータベースを人工的に増強するのに適した、標準の12リードのECGを生成することが可能である。
  論文  参考訳（メタデータ） (2021-06-02T00:59:04Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)
• CardioGAN: Attentive Generative Adversarial Network with Dual Discriminators for Synthesis of ECG from PPG [25.305949034527202]
  心電図(Electrocardiogram、ECG)は、心臓活動の電気的測定である。 光胸腺X線写真(英: Photoplethysmogram, PPG)は、血液循環の変化の光学的測定である。 本稿では、PSGを入力とし、ECGを出力として生成する逆モデルであるCardioGANを提案する。
  論文  参考訳（メタデータ） (2020-09-30T20:49:30Z)
• Classification of Arrhythmia by Using Deep Learning with 2-D ECG Spectral Image Representation [3.3426603061273994]
  本稿では,ECG信号を8つのクラスに分類するための2次元(2次元)畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々は,最新の平均分類精度99.11%を達成し,同種の不整脈の分類において,最近報告した結果より優れている。
  論文  参考訳（メタデータ） (2020-05-14T12:11:41Z)

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。