Fugu-MT 論文翻訳(概要): Self-supervised representation learning from 12-lead ECG data

論文の概要: Self-supervised representation learning from 12-lead ECG data

arxiv url: http://arxiv.org/abs/2103.12676v1
Date: Tue, 23 Mar 2021 16:50:39 GMT
ステータス: 処理完了
システム内更新日: 2021-03-24 14:01:40.977913
Title: Self-supervised representation learning from 12-lead ECG data
Title（参考訳）: 12誘導心電図データからの自己教師あり表現学習
Authors: Temesgen Mehari, Nils Strodthoff
Abstract要約: 臨床12誘導心電図(ECG)データの短い部分からの自己監督的表現学習の包括的評価を行った。本研究では,コンピュータビジョン (simclr, byol, swav) と音声 (cpc) による最先端の自己教師付き学習アルゴリズムの適応について検討する。最適性能評価手法であるCPCでは、線形評価性能は教師付き性能よりわずか0.8%低い。
参考スコア（独自算出の注目度）: 2.2691593216516868
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We put forward a comprehensive assessment of self-supervised representation learning from short segments of clinical 12-lead electrocardiography (ECG) data. To this end, we explore adaptations of state-of-the-art self-supervised learning algorithms from computer vision (SimCLR, BYOL, SwAV) and speech (CPC). In a first step, we learn contrastive representations and evaluate their quality based on linear evaluation performance on a downstream classification task. For the best-performing method, CPC, we find linear evaluation performances only 0.8% below supervised performance. In a second step, we analyze the impact of self-supervised pretraining on finetuned ECG classifiers as compared to purely supervised performance and find improvements in downstream performance of more than 1%, label efficiency, as well as an increased robustness against physiological noise. All experiments are carried out exclusively on publicly available datasets, the to-date largest collection used for self-supervised representation learning from ECG data, to foster reproducible research in the field of ECG representation learning.
Abstract（参考訳）: 臨床12誘導心電図(ECG)データの短い部分からの自己監督的表現学習の包括的評価を行った。そこで本研究では,コンピュータビジョン(SimCLR, BYOL, SwAV)と音声(CPC)による最先端の自己教師型学習アルゴリズムの適応について検討する。第1段階では,コントラスト表現を学習し,下流分類タスクにおける線形評価性能に基づいてその品質を評価する。最適性能評価手法であるCPCでは、線形評価性能は教師付き性能よりわずか0.8%低い。第2のステップでは,自己教師付きプリトレーニングが心電図分類器に与える影響を,純粋に教師付きパフォーマンスと比較して分析し,下流性能が1%以上向上し,ラベル効率が向上し,生理的ノイズに対するロバスト性が向上した。すべての実験は、ecgデータからの自己教師あり表現学習に使われる、過去最大のコレクションである公開データセットのみで行われ、ecg表現学習の分野における再現可能な研究を促進する。

関連論文リスト

Zero-Shot ECG Classification with Multimodal Learning and Test-time Clinical Knowledge Enhancement [10.611952462532908]
マルチモーダルECG表現学習(MERL)は、テキストプロンプトでゼロショットECG分類を行うことができる。本稿では,外部の専門知識データベースを利用した臨床知識向上技術(CKEPE)アプローチを提案する。 MERLは、ゼロショット分類における平均75.2%のAUCスコアを(トレーニングデータなしで)達成し、10%の注釈付きトレーニングデータを持つ線形プローブeSSLメソッドよりも3.2%高い。
論文参考訳（メタデータ） (2024-03-11T12:28:55Z)
Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
論文参考訳（メタデータ） (2023-12-31T16:01:48Z)
Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
論文参考訳（メタデータ） (2023-09-05T21:36:42Z)
A Survey of the Impact of Self-Supervised Pretraining for Diagnostic Tasks with Radiological Images [71.26717896083433]
自己教師付き事前学習は,伝達学習における特徴表現の改善に有効であることが観察されている。本総説ではX線, CT, 磁気共鳴, 超音波画像における使用法について概説する。
論文参考訳（メタデータ） (2023-09-05T19:45:09Z)
In-Distribution and Out-of-Distribution Self-supervised ECG Representation Learning for Arrhythmia Detection [21.222167116069144]
本稿では,心電図不整脈検出のための自己監視学習法(SSL)の有効性について,系統的な検討を行った。まず、一般的なECGベースの不整脈データセットであるTB-XL、Chapman、Ribeiroの3つのデータ分布を新たに解析することから始める。次に、異なる拡張とパラメータを用いて包括的な実験を行い、様々なSSLメソッドの有効性を評価する。分析の結果,SSL手法は最先端の手法によって達成された手法に対して高い競争力を発揮することがわかった。
論文参考訳（メタデータ） (2023-04-13T11:46:32Z)
Frozen Language Model Helps ECG Zero-Shot Learning [12.974685769614062]
マルチモーダルECG-Text Self-supervised pre-training (METS)を提案する。トレーニング可能なECGエンコーダと凍結言語モデルを用いて,ペアのECGを組込み,個別に自動で臨床報告を行う。下流の分類タスクでは、METSは注釈付きデータを使わずに、約10%のパフォーマンス改善を実現している。
論文参考訳（メタデータ） (2023-03-22T05:01:14Z)
Dissecting Self-Supervised Learning Methods for Surgical Computer Vision [51.370873913181605]
一般のコンピュータビジョンコミュニティでは,自己監視学習(SSL)手法が普及し始めている。医学や手術など、より複雑で影響力のある領域におけるSSLメソッドの有効性は、限定的かつ未調査のままである。外科的文脈理解,位相認識,ツール存在検出の2つの基本的なタスクに対して,これらの手法の性能をColec80データセット上で広範囲に解析する。
論文参考訳（メタデータ） (2022-07-01T14:17:11Z)
Learning ECG Representations based on Manipulated Temporal-Spatial Reverse Detection [11.615287369669971]
本稿では,ECG表現を学習する上で,単純だが効果的な手法を提案する。 ECGの時間的特性と空間的特性にインスパイアされ、元の信号を水平に、垂直に、そして水平に、そして垂直に、それぞれ反転させる。その結果,本手法で学習したECG表現は,下流タスクにおいて顕著な性能を示すことがわかった。
論文参考訳（メタデータ） (2022-02-25T02:01:09Z)
SLIP: Self-supervision meets Language-Image Pre-training [79.53764315471543]
自己指導型学習が視覚表現学習における言語指導の活用に役立つかどうかを考察する。自己教師付き学習とCLIP事前学習を組み合わせたマルチタスク学習フレームワークSLIPを紹介する。 SLIPは、自己監督や言語監督よりも優れたパフォーマンスを享受しています。
論文参考訳（メタデータ） (2021-12-23T18:07:13Z)
Interpretable Deep Learning for Automatic Diagnosis of 12-lead Electrocardiogram [15.464768773761527]
12誘導心電図記録における心不整脈のマルチラベル分類のためのディープニューラルネットワークを開発した。提案モデルでは、受信機動作特性曲線(AUC)0.970、F1スコア0.813の平均領域を達成した。最も優れたリードは、12のリードのうち、リードI、aVR、V5である。
論文参考訳（メタデータ） (2020-10-20T14:51:00Z)
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。