Fugu-MT 論文翻訳(概要): Analysis of ECG data to detect Atrial Fibrillation

論文の概要: Analysis of ECG data to detect Atrial Fibrillation

arxiv url: http://arxiv.org/abs/2112.12298v1
Date: Thu, 23 Dec 2021 01:10:25 GMT
ステータス: 処理完了
システム内更新日: 2021-12-24 16:25:53.712642
Title: Analysis of ECG data to detect Atrial Fibrillation
Title（参考訳）: 心房細動検出のための心電図データの解析
Authors: Arjun Sridharkumar, Sai Bhargav, Rahul Guntha
Abstract要約: 心房細動(英: atrial fibrillation, AF/Afib thenforth)は、心臓のクロートに繋がる、離散的かつ頻繁な心臓リズムである。図1に示すように、p と R 波間の不整合区間が存在しないことにより、ECG 信号で Afib を検出することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Atrial fibrillation(termed as AF/Afib henceforth) is a discrete and often rapid heart rhythm that can lead to clots near the heart. We can detect Afib by ECG signal by the absence of p and inconsistent intervals between R waves as shown in fig(1). Existing methods revolve around CNN that are used to detect afib but most of them work with 12 point lead ECG data where in our case the health gauge watch deals with single-point ECG data. Twelve-point lead ECG data is more accurate than a single point. Furthermore, the health gauge watch data is much noisier. Implementing a model to detect Afib for the watch is a test of how the CNN is changed/modified to work with real life data
Abstract（参考訳）: 心房細動(英: atrial fibrillation, AF/Afib thenforth)は、心臓のクロートに繋がる、離散的かつ頻繁な心臓リズムである。 fig(1)に示すように、pの欠如とr波間の不整合間隔により、ecg信号によりafibを検出できる。既存の手法はafibの検出に使用されるcnnを中心に回転するが、そのほとんどは12点リードecgデータで動作し、我々の場合、ヘルスゲージウォッチは1点ecgデータを扱う。 12点リードECGデータは1点よりも正確である。さらに、健康計の監視データはずっとノイズが多い。時計用Afib検出モデルの実装は、実際のデータを扱うためにCNNをどのように変更・変更するかのテストである。

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)
EB-GAME: A Game-Changer in ECG Heartbeat Anomaly Detection [7.574088346030774]
本稿では, 心電図における異常信号の検出に, 正規信号のラベルのみをトレーニングデータとして用いた。イメージをパッチに分割して学習し,自動エンコーダをマスクする自己教師型視覚変換器にヒントを得て,脳波異常検出モデルEB-GAMEを導入する。
論文参考訳（メタデータ） (2024-04-08T13:01:59Z)
TSRNet: Simple Framework for Real-time ECG Anomaly Detection with Multimodal Time and Spectrogram Restoration Network [9.770923451320938]
本稿では,異常検出を利用したトレーニング用心電図データのみを用いた不健康状態の同定手法を提案する。本稿では,心電図信号の異常検出に特化して設計されたTSRNet(Multimodal Time and Spectrogram Restoration Network)を提案する。
論文参考訳（メタデータ） (2023-12-15T20:27:38Z)
Deep Learning Models for Arrhythmia Classification Using Stacked Time-frequency Scalogram Images from ECG Signals [4.659427498118277]
本稿では,心電図に基づく不整脈分類のためのAI自動分類システムを提案する。深層学習に基づく解法は心電図に基づく不整脈分類のために提案されている。
論文参考訳（メタデータ） (2023-12-01T03:16:32Z)
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)
Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文参考訳（メタデータ） (2023-08-16T14:57:12Z)
Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly Detection [33.48389041651675]
心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
論文参考訳（メタデータ） (2023-08-03T09:16:57Z)
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)
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)
Weak Supervision for Affordable Modeling of Electrocardiogram Data [20.646500951182247]
心電図(ECGs)の分析は、安価で非侵襲的で強力な心臓疾患の診断方法である。これまでの異常心拍を自動的に検出するために機械学習を使用したECGの研究は、大規模な手動注釈付きデータセットに依存している。我々は、人体設計による異常心拍の診断モデルを学ぶために、複数の弱い監督源を用いて検討する。
論文参考訳（メタデータ） (2022-01-09T06:08:05Z)
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)

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。