論文の概要: Generalizable and Robust Deep Learning Algorithm for Atrial Fibrillation Diagnosis Across Ethnicities, Ages and Sexes

• arxiv url: http://arxiv.org/abs/2207.09667v1
• Date: Wed, 20 Jul 2022 05:49:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-21 13:03:00.782330
• Title: Generalizable and Robust Deep Learning Algorithm for Atrial Fibrillation Diagnosis Across Ethnicities, Ages and Sexes
• Title（参考訳）: 集団・年齢・性別間の心房細動診断のための一般化・ロバストな深層学習アルゴリズム
• Authors: Shany Biton, Mohsin Aldhafeeri, Erez Marcusohn, Kenta Tsutsui, Tom Szwagier, Adi Elias, Julien Oster, Jean Marc Sellal, Mahmoud Suleiman, and Joachim A. Behar
• Abstract要約: 本研究では,AFイベント検出のためのディープラーニング(DL)モデルの一般化性能を初めて開発し,評価した。 ArNet2は、51,386時間連続心電図(ECG)を計上した2,147人の大規模な振り返りデータセットに基づいて開発された。 イスラエルのハイファにあるランバム病院ホルタークリニックから1,730回連続したホルター記録の振り返りデータセットで検証された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To drive health innovation that meets the needs of all and democratize healthcare, there is a need to assess the generalization performance of deep learning (DL) algorithms across various distribution shifts to ensure that these algorithms are robust. This retrospective study is, to the best of our knowledge, the first to develop and assess the generalization performance of a deep learning (DL) model for AF events detection from long term beat-to-beat intervals across ethnicities, ages and sexes. The new recurrent DL model, denoted ArNet2, was developed on a large retrospective dataset of 2,147 patients totaling 51,386 hours of continuous electrocardiogram (ECG). The models generalization was evaluated on manually annotated test sets from four centers (USA, Israel, Japan and China) totaling 402 patients. The model was further validated on a retrospective dataset of 1,730 consecutives Holter recordings from the Rambam Hospital Holter clinic, Haifa, Israel. The model outperformed benchmark state-of-the-art models and generalized well across ethnicities, ages and sexes. Performance was higher for female than male and young adults (less than 60 years old) and showed some differences across ethnicities. The main finding explaining these variations was an impairment in performance in groups with a higher prevalence of atrial flutter (AFL). Our findings on the relative performance of ArNet2 across groups may have clinical implications on the choice of the preferred AF examination method to use relative to the group of interest.
• Abstract（参考訳）: すべての人のニーズを満たし、医療を民主化する健康革新を推進するためには、さまざまな分散シフトにまたがるディープラーニング(dl)アルゴリズムの一般化性能を評価し、これらのアルゴリズムが堅牢であることを保証する必要がある。 この振り返り研究は、私たちの知る限り、民族、年齢、性別の長期的ビート・ビート・ビート・インターバルからAFイベントを検出するための深層学習(DL)モデルの一般化性能を初めて開発・評価するものである。 連続心電図(ECG)で51,386時間経過した2,147人の大規模な振り返りデータセットを用いて,新たなDLモデルArNet2を開発した。 4つのセンター(米国、イスラエル、日本、中国)の手動アノテーションテストセットで402人の患者を対象に,モデル一般化の評価を行った。 このモデルは、イスラエルのハイファにあるランバム病院ホルタークリニックからの1,730回のホルター記録の振り返りデータセットでさらに検証された。 このモデルは最先端モデルのベンチマークを上回り、民族、年齢、性別でよく一般化された。 男女ともに60歳未満の男女比で高い成績を示し,男女差もみられた。 これらの変異を説明する主な発見は、心房粗動(afl)の頻度が高いグループにおけるパフォーマンスの低下であった。 グループ間でのArNet2の相対的性能に関する知見は,興味あるグループに対して好適なAF検査法の選択に臨床効果をもたらす可能性がある。

関連論文リスト

• Equitable Length of Stay Prediction for Patients with Learning Disabilities and Multiple Long-term Conditions Using Machine Learning [1.0064817439176887]
  本研究は,学習障害患者9,618例の入院状況とウェールズの人口の長期的状況について分析した。 調査コホートでは, 人口動態, 長期経過状況, 薬剤歴, 病院訪問, 生活史について検討した。 我々は,このコホートにおける入院期間を予測するために,機械学習モデルを適用した。
  論文  参考訳（メタデータ） (2024-11-03T20:14:20Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• A Hybrid Transfer Learning Assisted Decision Support System for Accurate Prediction of Alzheimer Disease [0.0]
  アルツハイマー病は高齢者で最も一般的な長期疾患である。 ディープニューラルモデルは一般的な機械学習よりも正確で効果的である。
  論文  参考訳（メタデータ） (2023-10-13T06:48:38Z)
• Deep Learning for Predicting Progression of Patellofemoral Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and Symptomatic Assessments [1.1549572298362785]
  本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。 PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。 年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
  論文  参考訳（メタデータ） (2023-05-10T06:43:33Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Risk of Bias in Chest Radiography Deep Learning Foundation Models [14.962566915809264]
  2002年10月から2017年7月までに収集されたCheXpertデータセットから,42,884人の胸部X線写真127,118点(平均年齢63[SD]17歳,男性23,623点,女性19,261点)を使用した。 生物学的セックスと人種における12対比較のうち10は、研究基盤モデルに統計的に有意な差が認められた。 男性と女性 (P .001) とアジアと黒人 (P .001) の間に有意な差がみられた。
  論文  参考訳（メタデータ） (2022-09-07T07:16:30Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Deep learning-based COVID-19 pneumonia classification using chest CT images: model generalizability [54.86482395312936]
  深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。 我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。 複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
  論文  参考訳（メタデータ） (2021-02-18T21:14:52Z)
• Temporal Phenotyping using Deep Predictive Clustering of Disease Progression [97.88605060346455]
  我々は、時系列データをクラスタリングするためのディープラーニングアプローチを開発し、各クラスタは、同様の将来的な結果を共有する患者から構成される。 2つの実世界のデータセットに対する実験により、我々のモデルは最先端のベンチマークよりも優れたクラスタリング性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-06-15T20:48:43Z)
• Validation and Optimization of Multi-Organ Segmentation on Clinical Imaging Archives [7.036733782879497]
  2015年のMICCAIチャレンジは、多臓器性腹部CTセグメンテーションの大幅な革新を引き起こした。 近年のディープメソッドの革新は、臨床翻訳が魅力的であるレベルにパフォーマンスを誘導している。 オープンデータセットのクロスバリデーションは間接的な知識汚染のリスクを示し、円形の推論をもたらす可能性がある。
  論文  参考訳（メタデータ） (2020-02-10T21:49:42Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。