論文の概要: A Survey of Applications of Artificial Intelligence for Myocardial
Infarction Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2107.06179v1
- Date: Mon, 5 Jul 2021 15:15:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-18 15:01:15.825609
- Title: A Survey of Applications of Artificial Intelligence for Myocardial
Infarction Disease Diagnosis
- Title（参考訳）: 心筋梗塞診断における人工知能の応用に関する調査研究
- Authors: Javad Hassannataj Joloudari, Sanaz Mojrian, Issa Nodehi, Amir
Mashmool, Zeynab Kiani Zadegan, Sahar Khanjani Shirkharkolaie, Tahereh
Tamadon, Samiyeh Khosravi, Mitra Akbari, Edris Hassannataj, Roohallah
Alizadehsani, Danial Sharifrazi, and Amir Mosavi
- Abstract要約: 心筋梗塞(MID)は未診断冠動脈疾患(CAD)の急速な進展に起因している
MIDは、世界中の中高年者や高齢者において、主要な死因である。
一般に, 電気心電図(ECG)信号は, 疲労, 時間, 費用のかかる臨床医によるMID識別のために検査される。
- 参考スコア（独自算出の注目度）: 0.483999377006747
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Myocardial infarction disease (MID) is caused to the rapid progress of
undiagnosed coronary artery disease (CAD) that indicates the injury of a heart
cell by decreasing the blood flow to the cardiac muscles. MID is the leading
cause of death in middle-aged and elderly subjects all over the world. In
general, raw Electrocardiogram (ECG) signals are tested for MID identification
by clinicians that is exhausting, time-consuming, and expensive. Artificial
intelligence-based methods are proposed to handle the problems to diagnose MID
on the ECG signals automatically. Hence, in this survey paper, artificial
intelligence-based methods, including machine learning and deep learning, are
review for MID diagnosis on the ECG signals. Using the methods demonstrate that
the feature extraction and selection of ECG signals required to be handcrafted
in the ML methods. In contrast, these tasks are explored automatically in the
DL methods. Based on our best knowledge, Deep Convolutional Neural Network
(DCNN) methods are highly required methods developed for the early diagnosis of
MID on the ECG signals. Most researchers have tended to use DCNN methods, and
no studies have surveyed using artificial intelligence methods for MID
diagnosis on the ECG signals.
- Abstract（参考訳）: 心筋梗塞 (MID) は, 心臓筋への血流を減少させ, 心筋の損傷を示す未診断冠状動脈疾患 (CAD) の急激な進展に起因している。
MIDは、世界中の中高年者や高齢者において、主要な死因である。
一般に心電図(ECG)信号は, 疲労, 時間, 費用のかかる臨床医によるMID識別のために検査される。
ECG信号のMIDを自動診断するための人工知能に基づく手法が提案されている。
そこで,本研究では,機械学習や深層学習を含む人工知能を用いた手法を用いて,心電図信号のMDD診断を行った。
この手法を用いることで、ML法で手作りするために必要なECG信号の特徴抽出と選択が示される。
対照的に、これらのタスクはDLメソッドで自動的に探索されます。
直流畳み込みニューラルネットワーク(DCNN)法は,心電図信号上でのMIDの早期診断に極めて必要とされる手法である。
ほとんどの研究者はDCNN法を用いる傾向があり、ECG信号のMID診断に人工知能を用いた調査は行われていない。
関連論文リスト
- A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。
また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
論文 参考訳（メタデータ） (2024-02-12T11:04:08Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳（メタデータ） (2023-06-20T20:23:46Z) - 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) - A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。
各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
論文 参考訳（メタデータ） (2022-08-29T05:01:04Z) - Identifying Electrocardiogram Abnormalities Using a
Handcrafted-Rule-Enhanced Neural Network [18.859487271034336]
我々は、深層学習に基づく心電図解析に臨床知識を提供するために、畳み込みニューラルネットワークにいくつかのルールを導入する。
我々の新しいアプローチは、既存の最先端の手法をかなり上回っている。
論文 参考訳（メタデータ） (2022-06-16T04:42:57Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - Automatic Assessment of Alzheimer's Disease Diagnosis Based on Deep
Learning Techniques [111.165389441988]
本研究では, MRI(sagittal magnetic resonance images)における疾患の存在を自動的に検出するシステムを開発する。
矢状面MRIは一般的には使われていないが、この研究は、少なくとも、ADを早期に同定する他の平面からのMRIと同じくらい効果があることを証明した。
本研究は,これらの分野でDLモデルを構築できることを実証する一方,TLは少ない例でタスクを完了するための必須のツールである。
論文 参考訳（メタデータ） (2021-05-18T11:37:57Z) - Applications of Deep Learning Techniques for Automated Multiple
Sclerosis Detection Using Magnetic Resonance Imaging: A Review [11.505730390079645]
多発性硬化症(Multiple Sclerosis、MS)は、神経系の機能に有害な影響を与える人の視覚、感覚、運動の障害を引き起こす脳疾患である。
近年,MRIを用いたMSの正確な診断のために,人工知能(AI)に基づくコンピュータ支援診断システム(CADS)が提案されている。
本稿では,MRI のニューロイメージング・モダリティを用いた DL 技術を用いた自動MS診断法について概説する。
論文 参考訳（メタデータ） (2021-05-11T09:08:48Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。