Fugu-MT 論文翻訳(概要): Synthesis of standard 12-lead electrocardiograms using two dimensional generative adversarial network

論文の概要: Synthesis of standard 12-lead electrocardiograms using two dimensional generative adversarial network

arxiv url: http://arxiv.org/abs/2106.03701v1
Date: Wed, 2 Jun 2021 00:59:04 GMT
ステータス: 処理完了
システム内更新日: 2021-06-13 14:00:04.575364
Title: Synthesis of standard 12-lead electrocardiograms using two dimensional generative adversarial network
Title（参考訳）: 2次元生成逆ネットワークを用いた標準12誘導心電図の合成
Authors: Yu-He Zhang and Saeed Babaeizadeh
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper proposes a two-dimensional (2D) bidirectional long short-term memory generative adversarial network (GAN) to produce synthetic standard 12-lead ECGs corresponding to four types of signals: left ventricular hypertrophy (LVH), left branch bundle block (LBBB), acute myocardial infarction (ACUTMI), and Normal. It uses a fully automatic end-to-end process to generate and verify the synthetic ECGs that does not require any visual inspection. The proposed model is able to produce synthetic standard 12-lead ECG signals with success rates of 98% for LVH, 93% for LBBB, 79% for ACUTMI, and 59% for Normal. Statistical evaluation of the data confirms that the synthetic ECGs are not biased towards or overfitted to the training ECGs, and span a wide range of morphological features. This study demonstrates that it is feasible to use a 2D GAN to produce standard 12-lead ECGs suitable to augment artificially a diverse database of real ECGs, thus providing a possible solution to the demand for extensive ECG datasets.
Abstract（参考訳）: 本稿では,左室肥大症(lvh),左分枝束ブロック(lbbb),急性心筋梗塞(acutmi),正常の4種類の信号に対応する合成標準12誘導心電図を作成するための,二次元(2次元)2方向長短期記憶生成逆流ネットワーク(gan)を提案する。完全なエンドツーエンドプロセスを使用して、視覚検査を必要としない合成ECGを生成し、検証する。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。データの統計的評価により、合成心電図はトレーニング心電図に対して偏りや過度に適応していないことが確認され、多種多様な形態的特徴にまたがる。本研究は、2D GANを用いて、実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ECGを作成できることを示し、より広範なECGデータセットの需要に対する解決策を提供する。

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)
Learning General Representation of 12-Lead Electrocardiogram with a Joint-Embedding Predictive Architecture [0.0]
本稿では,12誘導ECG分析のための自己教師型学習モデルECG-JEPAを紹介する。隠れた潜在空間で予測することで、ECGデータのセマンティック表現を学習する。 ECG-JEPAは、ECG分類や特徴予測を含む様々な下流タスクで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-10-11T06:30:48Z)
ECGrecover: a Deep Learning Approach for Electrocardiogram Signal Completion [1.727597257312416]
我々は、(i)ECGリード内の欠落した信号セグメントを再構築し、(ii)別のユニークなリードで信号からすべてのリードを回収する、という2つの主要なシナリオに焦点を当てる。本稿では,新しい合成目的関数に基づくニューラルネットワークモデルであるECGrecoverを提案する。
論文参考訳（メタデータ） (2024-05-31T15:17:12Z)
ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction [1.7894680263068135]
心筋梗塞の診断にはECG--NETが有用である。 OMIは1つ以上の冠動脈の完全閉塞を特徴とする重度の心臓発作である。 OMI症例の3分の2は、12誘導心電図から視覚的に識別することが困難である。
論文参考訳（メタデータ） (2024-05-08T19:59:16Z)
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)
ECGNet: A generative adversarial network (GAN) approach to the synthesis of 12-lead ECG signals from single lead inputs [0.0]
ECGNetは、単一のリード入力から12リードのECG信号の完全なセットを生成するプロシージャである。私たちの知る限りでは、ECGNetは1つのリードの入力から残りの11のリードを最初に予測します。
論文参考訳（メタデータ） (2023-09-23T16:43:31Z)
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)
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)
Towards Synthesizing Twelve-Lead Electrocardiograms from Two Asynchronous Leads [1.674731937678848]
12誘導心電図を用いて心臓病の診断を行った。様々なウェアラブルデバイスは、Wieldy機器を使わずにECGへの即時アクセスを可能にしている。本稿では,2つの非同期リードから10リードへのECG合成の深部生成モデルを提案する。
論文参考訳（メタデータ） (2021-02-28T09:23:17Z)
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)
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。