論文の概要: Atrial Fibrillation: A Medical and Technological Review
- arxiv url: http://arxiv.org/abs/2109.08974v1
- Date: Sat, 18 Sep 2021 17:25:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-23 09:54:29.463463
- Title: Atrial Fibrillation: A Medical and Technological Review
- Title（参考訳）: 心房細動 : 医療と技術
- Authors: Samayan Bhattacharya, Sk Shahnawaz
- Abstract要約: 心房細動(英: atrial Fibrillation、AF)は、アメリカ合衆国における入院につながる不整脈の最も一般的なタイプである。
AF関連の医療費は、毎年6.0ドルから26億ドルの間である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Atrial Fibrillation (AF) is the most common type of arrhythmia (Greek a-,
loss + rhythmos, rhythm = loss of rhythm) leading to hospitalization in the
United States. Though sometimes AF is asymptomatic, it increases the risk of
stroke and heart failure in patients, in addition to lowering the
health-related quality of life (HRQOL). AF-related care costs the healthcare
system between $6.0 to $26 billion each year. Early detection of AF and
clinical attention can help improve symptoms and HRQOL of the patient, as well
as bring down the cost of care. However, the prevalent paradigm of AF detection
depends on electrocardiogram (ECG) recorded at a single point in time and does
not shed light on the relation of the symptoms with heart rhythm or AF. In the
recent decade, due to the democratization of health monitors and the advent of
high-performing computers, Machine Learning algorithms have been proven
effective in identifying AF, from the ECG of patients. This paper provides an
overview of the symptoms of AF, its diagnosis, and future prospects for
research in the field.
- Abstract（参考訳）: 心房細動(英: atrial Fibrillation、AF)は、アメリカ合衆国において入院につながる不整脈(ギリシャ語: a-, loss + rhythmos, rhythm = loss of rhythm)の最も一般的なタイプである。
afは時として無症状であるが、健康関連qol(health-related quality of life:hrqol)の低下に加えて、患者の脳卒中や心不全のリスクを増加させる。
AF関連の医療費は、毎年6.0ドルから26億ドルの間である。
afの早期発見と臨床的注意力は、患者の症状とhrqolを改善するだけでなく、治療コストを下げるのに役立つ。
しかし、AF検出の主流となるパラダイムは、単一の時点に記録された心電図(ECG)に依存し、症状と心拍数やAFとの関係について光を放たない。
近年、健康モニターの民主化と高性能コンピュータの出現により、機械学習アルゴリズムは患者の心電図からAFを特定するのに有効であることが証明されている。
本稿では,AFの症状とその診断,今後の研究の展望について概説する。
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) - SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。
光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。
本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文 参考訳（メタデータ） (2024-04-15T01:07:08Z) - Analysis of Arrhythmia Classification on ECG Dataset [0.0]
不整脈は、心臓のポンプ機構が異常になる状態である。
本研究は、ECGデータセット上の不整脈分類の分析である。
論文 参考訳（メタデータ） (2023-01-10T14:02:24Z) - 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) - Deep artificial neural network for prediction of atrial fibrillation
through the analysis of 12-leads standard ECG [0.0]
心房細動(Atrial Fibrillation,AF)は心臓不整脈である。
畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
論文 参考訳（メタデータ） (2022-01-14T10:09:01Z) - MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining
Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。
myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。
この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
論文 参考訳（メタデータ） (2022-01-10T06:37:23Z) - Non-contact Atrial Fibrillation Detection from Face Videos by Learning
Systolic Peaks [6.717251247987187]
フェースビデオからの心房細動(AF)検出のための非接触的アプローチを提案する。
遠隔PSG計測に3次元畳み込みニューラルネットワークを用い,新たな損失関数を提案する。
収縮ピークの学習による非接触AF検出の性能向上を実現した。
論文 参考訳（メタデータ） (2021-10-14T16:04:57Z) - Machine Learning Methods for Identifying Atrial Fibrillation Cases and
Their Predictors in Patients With Hypertrophic Cardiomyopathy: The
HCM-AF-Risk Model [0.3904666078483698]
肥大型心筋症 (HCM) は心房細動の頻度が高く, 脳卒中リスクが高い。
我々は、データ駆動型機械学習に基づく手法を開発し応用し、AFの事例を識別する。
我々のモデルは,HCM における AF 症例の同定のための,最初の機械学習に基づく手法である。
論文 参考訳（メタデータ） (2021-09-19T20:00:49Z) - Electrocardiogram Classification and Visual Diagnosis of Atrial
Fibrillation with DenseECG [4.106327101916643]
心房細動(AF)は、世界中の多くの人々に影響を与える一般的な心臓不整脈です。
DenseECGは5層1D密結合畳み込みニューラルネットワークに基づくエンドツーエンドモデルである。
論文 参考訳（メタデータ） (2021-01-19T09:45:46Z) - 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) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z)
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。