論文の概要: Encoding Cardiopulmonary Exercise Testing Time Series as Images for
Classification using Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2204.12432v1
- Date: Tue, 26 Apr 2022 16:49:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-27 15:36:39.002309
- Title: Encoding Cardiopulmonary Exercise Testing Time Series as Images for
Classification using Convolutional Neural Network
- Title(参考訳): 畳み込みニューラルネットワークを用いた心肺運動時間時系列の分類のための画像化
- Authors: Yash Sharma, Nick Coronato, Donald E. Brown
- Abstract要約: エクササイズテストは半世紀以上にわたって利用可能であり、様々な疾患の患者の診断および予後情報のための汎用的なツールである。
本研究では,Glamian Angular Field と Markov Transition Field を用いて時系列を画像としてエンコードする。
心不全とメタボリックシンドロームの分類において,畳み込みニューラルネットワークとアテンションプールアプローチを用いて検討した。
- 参考スコア(独自算出の注目度): 9.227037203895533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Exercise testing has been available for more than a half-century and is a
remarkably versatile tool for diagnostic and prognostic information of patients
for a range of diseases, especially cardiovascular and pulmonary. With rapid
advancements in technology, wearables, and learning algorithm in the last
decade, its scope has evolved. Specifically, Cardiopulmonary exercise testing
(CPX) is one of the most commonly used laboratory tests for objective
evaluation of exercise capacity and performance levels in patients. CPX
provides a non-invasive, integrative assessment of the pulmonary,
cardiovascular, and skeletal muscle systems involving the measurement of gas
exchanges. However, its assessment is challenging, requiring the individual to
process multiple time series data points, leading to simplification to peak
values and slopes. But this simplification can discard the valuable trend
information present in these time series. In this work, we encode the time
series as images using the Gramian Angular Field and Markov Transition Field
and use it with a convolutional neural network and attention pooling approach
for the classification of heart failure and metabolic syndrome patients. Using
GradCAMs, we highlight the discriminative features identified by the model.
- Abstract(参考訳): 運動テストは半世紀以上にわたって利用可能であり、様々な疾患、特に心血管および肺の患者の診断および予後診断のための非常に汎用的なツールである。
過去10年間のテクノロジー、ウェアラブル、学習アルゴリズムの急速な進歩により、その範囲は進化してきた。
具体的には、心肺運動テスト(CPX)は、患者の運動能力とパフォーマンスレベルを客観的に評価するための最も一般的な実験の1つである。
CPXは、ガス交換の測定を含む肺、心血管、骨格筋系の非侵襲的、統合的評価を提供する。
しかし、その評価は困難であり、個人が複数の時系列データポイントを処理する必要があるため、ピーク値や勾配の簡略化につながる。
しかし、この単純化は、この時系列に存在する貴重なトレンド情報を捨てる可能性がある。
本研究では,グラミアン角場とマルコフ遷移場を用いて時系列を画像として符号化し,畳み込みニューラルネットワークと注意プーリングアプローチを用いて心不全とメタボリックシンドロームの分類を行う。
gradcamsを使用して,モデルによって識別される識別的特徴を強調する。
関連論文リスト
- Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF
Paradigm [0.9837190842240352]
ゼブラフィッシュの心臓機能を定量化する枠組みを開発した。
さらに、データ拡張、転送学習、テスト時間拡張を適用して、パフォーマンスを改善しました。
論文 参考訳(メタデータ) (2024-02-15T01:58:49Z) - Swin-Tempo: Temporal-Aware Lung Nodule Detection in CT Scans as Video
Sequences Using Swin Transformer-Enhanced UNet [2.7547288571938795]
本稿では、畳み込みニューラルネットワークと視覚変換器の長所を利用する革新的なモデルを提案する。
ビデオ中の物体検出にインスパイアされた各3次元CT画像をビデオとして扱い、個々のスライスをフレームとして、肺結節をオブジェクトとして扱い、時系列アプリケーションを可能にする。
論文 参考訳(メタデータ) (2023-10-05T07:48:55Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - A complex network approach to time series analysis with application in
diagnosis of neuromuscular disorders [1.9659095632676098]
本稿では,既存手法の限られた精度を克服するために,GraphTSというネットワーク開発手法を提案する。
この目的のために、EMG信号は前処理され、標準的な可視グラフアルゴリズムによって複雑なネットワークにマッピングされる。
結果として得られるネットワークは、健康なサンプルと患者のサンプルを区別することができる。
論文 参考訳(メタデータ) (2021-08-16T06:44:48Z) - Contrastive Learning for View Classification of Echocardiograms [5.60187022176608]
不均衡な心エコーデータセットに対するビュー分類モデルを訓練し、最小ラベル付きデータが利用できるビュー/クラスの性能向上を示す。
また,本モデルと比較すると,F1スコアを最大26%向上させながら,十分にラベル付けされたトレーニング観察を行うことができた。
論文 参考訳(メタデータ) (2021-08-06T13:48:06Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - 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) - Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent
Multi-View Representation Learning [48.05232274463484]
最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。
多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。
本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
論文 参考訳(メタデータ) (2020-05-06T15:19:15Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
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。