論文の概要: Statistical model for describing heart rate variability in normal rhythm
and atrial fibrillation
- arxiv url: http://arxiv.org/abs/2207.08165v1
- Date: Sun, 17 Jul 2022 13:06:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-19 19:20:09.793541
- Title: Statistical model for describing heart rate variability in normal rhythm
and atrial fibrillation
- Title(参考訳): 正常リズムと心房細動における心拍変動の統計モデル
- Authors: Nikita Markov, Ilya Kotov, Konstantin Ushenin, Yakov Bozhko
- Abstract要約: 心電図(ECG)における心拍間隔特性のHRV指標による検討
心房細動(英: atrial fibrillation, AF)は、ヒトにおいて最も多い不整脈である。
- 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: Heart rate variability (HRV) indices describe properties of interbeat
intervals in electrocardiogram (ECG). Usually HRV is measured exclusively in
normal sinus rhythm (NSR) excluding any form of paroxysmal rhythm. Atrial
fibrillation (AF) is the most widespread cardiac arrhythmia in human
population. Usually such abnormal rhythm is not analyzed and assumed to be
chaotic and unpredictable. Nonetheless, ranges of HRV indices differ between
patients with AF, yet physiological characteristics which influence them are
poorly understood. In this study, we propose a statistical model that describes
relationship between HRV indices in NSR and AF. The model is based on
Mahalanobis distance, the k-Nearest neighbour approach and multivariate normal
distribution framework. Verification of the method was performed using 10 min
intervals of NSR and AF that were extracted from long-term Holter ECGs. For
validation we used Bhattacharyya distance and Kolmogorov-Smirnov 2-sample test
in a k-fold procedure. The model is able to predict at least 7 HRV indices with
high precision.
- Abstract(参考訳): 心拍変動(HRV)指標は心電図(ECG)における拍動間隔の特性を表す。
通常、HRVは発作リズムのいかなる形態も除いた正常洞リズム(NSR)でのみ測定される。
心房細動(英: atrial fibrillation, AF)は、ヒトにおいて最も多い不整脈である。
通常、このような異常なリズムは分析されず、カオスで予測不可能であると仮定される。
にもかかわらず、RAV指標の範囲はAF患者によって異なるが、それらに影響を与える生理学的特徴は理解されていない。
本研究では,NSRとAFにおけるHRV指標の関係を記述する統計モデルを提案する。
このモデルはマハラノビス距離、k-ネアレスト近傍アプローチ、多変量正規分布フレームワークに基づいている。
長期ホルター心電図から抽出した10分間隔のNSRおよびAFを用いて,本手法の検証を行った。
検証には Bhattacharyya distance と Kolmogorov-Smirnov 2-sample test を用いた。
このモデルは、高い精度で少なくとも7つのHRV指標を予測することができる。
関連論文リスト
- Advancing ECG Diagnosis Using Reinforcement Learning on Global Waveform
Variations Related to P Wave and PR Interval [1.352111003040528]
本稿では,PhystoNet/Computing in Cardiology Challenge (CinC)で利用可能な各種ECGデータセットに対するQ学習強化アルゴリズムの適用に焦点をあてる。
Q-Agentは8,867人の患者で71,672のビートを分類し、平均90.4%、平均9.6%のハミング損失しかなかった。
論文 参考訳(メタデータ) (2024-01-10T05:28:42Z) - 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) - A Novel real-time arrhythmia detection model using YOLOv8 [0.0]
本研究は,在宅における心電図(ECG)のリアルタイム不整脈検出の可能性を明らかにするものである。
我々は,MIT-BIH不整脈データセットを微調整した損失修正型YOLOv8モデルを導入し,リアルタイム連続監視を実現する。
我々の研究は、リアルタイム不整脈検出の可能性を示し、ユーザーが自宅の快適さの中でモデル出力を視覚的に解釈できるようにする。
論文 参考訳(メタデータ) (2023-05-26T08:27:09Z) - 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) - Estimation of atrial fibrillation from lead-I ECGs: Comparison with
cardiologists and machine learning model (CurAlive), a clinical validation
study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。
本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文 参考訳(メタデータ) (2021-04-15T12:50:16Z) - Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle
Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。
まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。
提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文 参考訳(メタデータ) (2020-12-24T17:48:35Z) - 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) - 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)
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。