論文の概要: Learning cardiac activation maps from 12-lead ECG with multi-fidelity
Bayesian optimization on manifolds
- arxiv url: http://arxiv.org/abs/2203.06222v1
- Date: Fri, 11 Mar 2022 19:55:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-15 14:34:36.215660
- Title: Learning cardiac activation maps from 12-lead ECG with multi-fidelity
Bayesian optimization on manifolds
- Title(参考訳): 多忠実ベイズ最適化による12誘導心電図からの心活性化マップの学習
- Authors: Simone Pezzuto, Paris Perdikaris, Francisco Sahli Costabal
- Abstract要約: 心臓のアトピー活動は致命的な不整脈を引き起こす。
心臓の異所性活性化を非侵襲的に同定する方法を提案する。
- 参考スコア(独自算出の注目度): 2.1485350418225244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a method for identifying an ectopic activation in the heart
non-invasively. Ectopic activity in the heart can trigger deadly arrhythmias.
The localization of the ectopic foci or earliest activation sites (EASs) is
therefore a critical information for cardiologists in deciding the optimal
treatment. In this work, we formulate the identification problem as a global
optimization problem, by minimizing the mismatch between the ECG predicted by a
cardiac model, when paced at a given EAS, and the observed ECG during the
ectopic activity. Our cardiac model amounts at solving an anisotropic eikonal
equation for cardiac activation and the forward bidomain model in the torso
with the lead field approach for computing the ECG. We build a Gaussian process
surrogate model of the loss function on the heart surface to perform Bayesian
optimization. In this procedure, we iteratively evaluate the loss function
following the lower confidence bound criterion, which combines exploring the
surface with exploitation of the minimum region. We also extend this framework
to incorporate multiple levels of fidelity of the model. We show that our
procedure converges to the minimum only after $11.7\pm10.4$ iterations (20
independent runs) for the single-fidelity case and $3.5\pm1.7$ iterations for
the multi-fidelity case. We envision that this tool could be applied in real
time in a clinical setting to identify potentially dangerous EASs.
- Abstract(参考訳): 心臓の異所性活性化を非侵襲的に同定する方法を提案する。
心臓のアトピー活動は致命的な不整脈を引き起こす。
異所性葉または早期活性化部位(EASs)の局在は、最適治療を決定する上で、心臓科医にとって重要な情報である。
本研究では、心モデルで予測される心電図と、easでペーストした場合の心電図のミスマッチを最小化し、大域的最適化問題として同定問題を定式化する。
心臓モデルでは心電図計算の鉛場アプローチを用いて,心臓活性化の異方性等方性等方性等方性方程式と胴体前二ドメインモデルを解く。
心臓表面における損失関数のガウス過程シュロゲートモデルを構築し,ベイズ最適化を行う。
本手法では, 表面の探索と最小領域の搾取を組み合わせることで, 低信頼境界条件に従う損失関数を反復的に評価する。
このフレームワークを拡張して、モデルの複数のレベルの忠実さを取り入れます。
我々は、単一忠実度の場合の111.7\pm10.4$反復(20独立ラン)と多忠実度の場合の3.5\pm1.7$反復(英語版)の後に最小限に収束することを示した。
我々は、このツールを臨床現場でリアルタイムで適用し、潜在的に危険なERSを特定することを想定している。
関連論文リスト
- Echocardiogram Foundation Model -- Application 1: Estimating Ejection
Fraction [2.4164193358532438]
心エコー基礎モデルであるエコーAIを導入し,150万個の心エコーを用いて自己教師付き学習(SSL)を用いて訓練した。
我々は,EchoAIを微調整し,平均絶対パーセンテージ誤差を9.40%と評価した。
論文 参考訳(メタデータ) (2023-11-21T13:00:03Z) - 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) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - 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) - 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) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳(メタデータ) (2022-08-22T22:01:44Z) - Global ECG Classification by Self-Operational Neural Networks with
Feature Injection [25.15075119957447]
コンパクトな1次元自己組織化オペレーショナルニューラルネットワーク(Self-ONN)を用いた患者間心電図分類のための新しいアプローチを提案する。
我々は1D Self-ONN層を用いてECGデータから形態表現を自動的に学習し、Rピーク付近のECG波形の形状を捉えることができた。
提案手法は,MIT-BIH ベンチマークデータベースを用いて,これまでで最高の分類性能を達成している。
論文 参考訳(メタデータ) (2022-04-07T22:49:18Z) - Machine Learning-based Efficient Ventricular Tachycardia Detection Model
of ECG Signal [0.0]
心不全の一次診断と解析において、心電図信号は重要な役割を果たす。
本稿では,ノイズフィルタを用いた心室頻拍不整脈の予測モデル,心電図の特徴セット,機械学習に基づく分類モデルを提案する。
論文 参考訳(メタデータ) (2021-12-24T05:56:09Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳(メタデータ) (2020-05-27T20:44:38Z) - CondenseUNet: A Memory-Efficient Condensely-Connected Architecture for
Bi-ventricular Blood Pool and Myocardium Segmentation [0.0]
本稿では,CondenseNetとDenseNetの両方を改良したメモリ効率の良い畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
実験の結果,提案アーキテクチャは自動心臓診断チャレンジデータセット上で動作していることがわかった。
論文 参考訳(メタデータ) (2020-04-05T16:34:51Z)
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。