論文の概要: Internet of Things (IoT) based ECG System for Rural Health Care
- arxiv url: http://arxiv.org/abs/2208.02226v1
- Date: Wed, 27 Jul 2022 02:56:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-07 14:22:55.571800
- Title: Internet of Things (IoT) based ECG System for Rural Health Care
- Title(参考訳): 農村医療のためのIoT(Internet of Things)ベースのECGシステム
- Authors: Md. Obaidur Rahman, Mohammod Abul Kashem, Al-Akhir Nayan, Most.
Fahmida Akter, Fazly Rabbi, Marzia Ahmed, Mohammad Asaduzzaman
- Abstract要約: バングラデシュの農村部の人口の約30%が貧困層である。
近代化された技術と看護と診断施設は 農村民に限られています
提案したIoTベースのECGシステムにより、将来、心血管疾患の医療コストと複雑さを低減できる。
- 参考スコア(独自算出の注目度): 0.33249867230903685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Nearly 30% of the people in the rural areas of Bangladesh are below the
poverty level. Moreover, due to the unavailability of modernized
healthcare-related technology, nursing and diagnosis facilities are limited for
rural people. Therefore, rural people are deprived of proper healthcare. In
this perspective, modern technology can be facilitated to mitigate their health
problems. ECG sensing tools are interfaced with the human chest, and requisite
cardiovascular data is collected through an IoT device. These data are stored
in the cloud incorporates with the MQTT and HTTP servers. An innovative
IoT-based method for ECG monitoring systems on cardiovascular or heart patients
has been suggested in this study. The ECG signal parameters P, Q, R, S, T are
collected, pre-processed, and predicted to monitor the cardiovascular
conditions for further health management. The machine learning algorithm is
used to determine the significance of ECG signal parameters and error rate. The
logistic regression model fitted the better agreements between the train and
test data. The prediction has been performed to determine the variation of
PQRST quality and its suitability in the ECG Monitoring System. Considering the
values of quality parameters, satisfactory results are obtained. The proposed
IoT-based ECG system reduces the health care cost and complexity of
cardiovascular diseases in the future.
- Abstract(参考訳): バングラデシュの農村部の人口の約30%が貧困水準を下回っている。
また、医療関連技術の近代化が不可能なため、農村部では看護・診断施設が限られている。
そのため、農村の人々は適切な医療を奪われる。
この観点から、現代の技術は彼らの健康問題を緩和するために促進することができる。
ECGセンシングツールは人間の胸にインターフェースされ、必要な心臓血管データはIoTデバイスを介して収集される。
これらのデータは、MQTTとHTTPサーバを組み込んだクラウドに格納される。
本研究は,心血管系および心臓系患者の心電図モニタリングシステムのための革新的なIoTベースの手法を提案する。
心電図信号パラメータp,q,q,r,s,tを収集し、前処理し、さらに健康管理のために心血管状態を監視することが予測される。
機械学習アルゴリズムは、ECG信号パラメータとエラー率の重要度を決定するために使用される。
ロジスティック回帰モデルは、列車と試験データの間のより良い一致を適合させた。
この予測は、ECGモニタリングシステムにおけるPQRST品質の変動とその適合性を決定するために行われた。
品質パラメータの値を考えると、満足な結果が得られる。
提案したIoTベースのECGシステムにより、将来、心血管疾患の医療コストと複雑さを低減できる。
関連論文リスト
- Health-LLM: Personalized Retrieval-Augmented Disease Prediction System [43.91623010448573]
本稿では,大規模特徴抽出と医療知識トレードオフスコアリングを組み合わせた,革新的なフレームワークHeath-LLMを提案する。
従来の健康管理アプリケーションと比較して,本システムには3つの利点がある。
医療報告と医療知識を大きなモデルに統合し、疾患予測のための大きな言語モデルに関連性のある質問を行う。
論文 参考訳(メタデータ) (2024-02-01T16:40:32Z) - Generative AI-Driven Human Digital Twin in IoT-Healthcare: A Comprehensive Survey [53.691704671844406]
IoT(Internet of Things)は、特にヘルスケアにおいて、人間の生活の質を大幅に向上させる。
ヒトデジタルツイン(HDT)は、個体の複製を包括的に特徴付ける革新的なパラダイムとして提案されている。
HDTは、多用途で生き生きとした人間のデジタルテストベッドとして機能することで、医療監視の応用を超えて、IoTヘルスの強化を図っている。
最近、生成人工知能(GAI)は、高度なAIアルゴリズムを利用して、多種多様なデータを自動的に生成、操作、修正できるため、有望なソリューションである可能性がある。
論文 参考訳(メタデータ) (2024-01-22T03:17:41Z) - Large-scale Training of Foundation Models for Wearable Biosignals [1.8291790356553643]
バイオシグナーの追跡は、健康の監視と重度の医療疾患の予防に不可欠である。
ウェアラブルと既存のデジタルバイオマーカーにもかかわらず、ラベル付きデータの欠如は、新しいバイオマーカーの開発を妨げる。
我々は、フォトムーブメントと心電図という2つの一般的な生体信号の基礎モデルを訓練する。
論文 参考訳(メタデータ) (2023-12-08T23:44:34Z) - 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) - CarDS-Plus ECG Platform: Development and Feasibility Evaluation of a
Multiplatform Artificial Intelligence Toolkit for Portable and Wearable
Device Electrocardiograms [0.3069335774032178]
単葉心電図(ECG)は、心臓血管の健康をモニタリングするための重要な情報源となっている。
人工知能は、これらの1つのリードのECGを解釈できる大きな進歩があった。
本稿では,AIベースのECGソリューションの迅速な展開を目的とした,革新的なマルチプラットフォームシステムの開発について述べる。
論文 参考訳(メタデータ) (2023-10-10T20:33:48Z) - Towards Personalized Healthcare in Cardiac Population: The Development
of a Wearable ECG Monitoring System, an ECG Lossy Compression Schema, and a
ResNet-Based AF Detector [19.706400613998703]
心房細動(AF)は通常、心電図(ECG)を用いて診断される。
本書では、ウェアラブルECGデバイス、モバイルアプリケーション、バックエンドサーバを具現化したパーソナライズされた医療システムの設計と実装について述べる。
論文 参考訳(メタデータ) (2022-07-11T19:08:46Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳(メタデータ) (2021-11-25T10:11:41Z) - A Novel Transfer Learning-Based Approach for Screening Pre-existing
Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。
このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。
本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。
我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
論文 参考訳(メタデータ) (2021-02-02T19:51:12Z) - 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) - Personalized Deep Learning for Ventricular Arrhythmias Detection on
Medical IoT Systems [17.966382901357118]
心室不整脈(VA)は突然死(SCD)の原因である
医療用IoTシステム上での深層学習に基づくVA検出のためのパーソナライズされたコンピューティングフレームワークを提案する。
心内および表面リズムモニターの両方でリアルタイムに推定を行う。
論文 参考訳(メタデータ) (2020-08-18T17:41:58Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z)
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。