論文の概要: Analysis of Digitalized ECG Signals Based on Artificial Intelligence and
Spectral Analysis Methods Specialized in ARVC
- arxiv url: http://arxiv.org/abs/2203.00504v1
- Date: Mon, 28 Feb 2022 13:12:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 15:39:11.669420
- Title: Analysis of Digitalized ECG Signals Based on Artificial Intelligence and
Spectral Analysis Methods Specialized in ARVC
- Title(参考訳): ARVCに特化した人工知能とスペクトル分析法によるデジタルECG信号の解析
- Authors: Vasileios E. Papageorgiou, Thomas Zegkos, Georgios Efthimiadis and
George Tsaklidis
- Abstract要約: 不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。
心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Arrhythmogenic right ventricular cardiomyopathy (ARVC) is an inherited heart
muscle disease that appears between the second and forth decade of a patient's
life, being responsible for 20% of sudden cardiac deaths before the age of 35.
The effective and punctual diagnosis of this disease based on
Electrocardiograms (ECGs) could have a vital role in reducing premature
cardiovascular mortality. In our analysis, we firstly outline the
digitalization process of paper-based ECG signals enhanced by a spatial filter
aiming to eliminate dark regions in the dataset's images that do not correspond
to ECG waveform, producing undesirable noise. Next, we propose the utilization
of a low-complexity convolutional neural network for the detection of an
arrhythmogenic heart disease, that has not been studied through the usage of
deep learning methodology to date, achieving high classification accuracy on a
disease the major identification criterion of which are infinitesimal millivolt
variations in the ECG's morphology, in contrast with other arrhythmogenic
abnormalities. Finally, by performing spectral analysis we investigate
significant differentiations in the field of frequencies between normal ECGs
and ECGs corresponding to patients suffering from ARVC. The overall research
carried out in this article highlights the importance of integrating
mathematical methods into the examination and effective diagnosis of various
diseases, aiming to a substantial contribution to their successful treatment.
- Abstract(参考訳): 不整脈性右心室心筋症 (ARVC) は、35歳未満の突然の心臓死の20%の責任を負い、患者の2年目から4年目に出現する遺伝性心筋疾患である。
心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
本稿では,まず,ecg波形に対応しないデータセット画像の暗領域を除去し,望ましくないノイズを発生させる空間フィルタにより拡張された紙ベースのecg信号のディジタル化過程について概説する。
次に, 深層学習法を用いて研究されていない不整脈性心疾患の診断に低複雑性畳み込みニューラルネットワークを用い, 心電図の形態の無限小変動である疾患の同定基準を高い分類精度で達成し, その他の不整脈性心疾患と対比した。
最後に,ARVC患者に対応する正常心電図と心電図の周波数領域における有意な分化について検討した。
本稿では, 様々な疾患の検査と効果的な診断に数学的手法を統合することの重要性を強調し, 治療の成功に大きく貢献することを目的としている。
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) - Self-supervised Anomaly Detection Pretraining Enhances Long-tail ECG Diagnosis [32.37717219026923]
現在のコンピュータ支援心電図診断システムでは, まれながら重要な心疾患の診断に苦慮している。
本研究は、この制限に対処するために、自己教師付き異常検出プリトレーニングを用いた新しいアプローチを提案する。
異常検出モデルは、正常な心臓パターンからの微妙な偏差を検出し、局所化するように設計されている。
論文 参考訳(メタデータ) (2024-08-30T09:48:47Z) - Advanced Neural Network Architecture for Enhanced Multi-Lead ECG Arrhythmia Detection through Optimized Feature Extraction [0.0]
不規則な心臓リズムを特徴とする不整脈は、深刻な診断課題を呈する。
本研究では,不整脈分類の複雑さに対処するために,ディープラーニング技術を活用した革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-04-13T19:56:15Z) - 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) - 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) - 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) - 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) - 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) - Classification of Arrhythmia by Using Deep Learning with 2-D ECG
Spectral Image Representation [3.3426603061273994]
本稿では,ECG信号を8つのクラスに分類するための2次元(2次元)畳み込みニューラルネットワーク(CNN)モデルを提案する。
我々は,最新の平均分類精度99.11%を達成し,同種の不整脈の分類において,最近報告した結果より優れている。
論文 参考訳(メタデータ) (2020-05-14T12:11:41Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳(メタデータ) (2020-04-26T08:49:17Z)
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。