論文の概要: Detecting COVID-19 from digitized ECG printouts using 1D convolutional neural networks

• arxiv url: http://arxiv.org/abs/2208.05433v1
• Date: Wed, 10 Aug 2022 16:44:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-11 13:11:50.648196
• Title: Detecting COVID-19 from digitized ECG printouts using 1D convolutional neural networks
• Title（参考訳）: 1D畳み込みニューラルネットワークを用いたデジタルECGプリントアウトからのCOVID-19の検出
• Authors: Thao Nguyen, Hieu H. Pham, Huy Khiem Le, Anh Tu Nguyen, Ngoc Tien Thanh, Cuong Do
• Abstract要約: 臨床報告によると、心電図(ECG)は新型コロナウイルスの診断バイオマーカーとして機能する可能性がある。 本稿では,心電図記録から心電図信号を抽出して1次元畳み込みニューラルネットワーク(1D-CNN)に入力し,疾患を学習し診断する手法を提案する。 デジタルECG信号に基づいてトレーニングした1D-CNNモデルにより、新型コロナウイルスなどの患者を正確に識別することができる。
• 参考スコア（独自算出の注目度）: 7.10816643091298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has exposed the vulnerability of healthcare services worldwide, raising the need to develop novel tools to provide rapid and cost-effective screening and diagnosis. Clinical reports indicated that COVID-19 infection may cause cardiac injury, and electrocardiograms (ECG) may serve as a diagnostic biomarker for COVID-19. This study aims to utilize ECG signals to detect COVID-19 automatically. We propose a novel method to extract ECG signals from ECG paper records, which are then fed into a one-dimensional convolution neural network (1D-CNN) to learn and diagnose the disease. To evaluate the quality of digitized signals, R peaks in the paper-based ECG images are labeled. Afterward, RR intervals calculated from each image are compared to RR intervals of the corresponding digitized signal. Experiments on the COVID-19 ECG images dataset demonstrate that the proposed digitization method is able to capture correctly the original signals, with a mean absolute error of 28.11 ms. Our proposed 1D-CNN model, which is trained on the digitized ECG signals, allows identifying individuals with COVID-19 and other subjects accurately, with classification accuracies of 98.42%, 95.63%, and 98.50% for classifying COVID-19 vs. Normal, COVID-19 vs. Abnormal Heartbeats, and COVID-19 vs. other classes, respectively. Furthermore, the proposed method also achieves a high-level of performance for the multi-classification task. Our findings indicate that a deep learning system trained on digitized ECG signals can serve as a potential tool for diagnosing COVID-19.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは世界中の医療サービスの脆弱性を暴露し、迅速かつ費用対効果の高いスクリーニングと診断を提供する新しいツールを開発する必要性が高まっている。 臨床報告では、COVID-19感染は心臓障害を引き起こす可能性があり、心電図(ECG)は新型コロナウイルスの診断バイオマーカーとなる可能性がある。 本研究の目的は、ECG信号を用いて新型コロナウイルスを自動的に検出することである。 本稿では,心電図記録から心電図信号を抽出して1次元畳み込みニューラルネットワーク(1D-CNN)に入力し,疾患の学習と診断を行う手法を提案する。 デジタル信号の品質を評価するために、紙ベースのECG画像中のRピークをラベル付けする。 その後、各画像から算出したRR間隔を対応するデジタル信号のRR間隔と比較する。 Experiments on the COVID-19 ECG images dataset demonstrate that the proposed digitization method is able to capture correctly the original signals, with a mean absolute error of 28.11 ms. Our proposed 1D-CNN model, which is trained on the digitized ECG signals, allows identifying individuals with COVID-19 and other subjects accurately, with classification accuracies of 98.42%, 95.63%, and 98.50% for classifying COVID-19 vs. Normal, COVID-19 vs. Abnormal Heartbeats, and COVID-19 vs. other classes, respectively. さらに,提案手法は,マルチクラス化タスクのハイレベルな性能を実現する。 以上の結果から,デジタルECG信号を用いた深層学習システムが,新型コロナウイルスの診断に有効な可能性が示唆された。

関連論文リスト

• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)
• CNN Filter Learning from Drawn Markers for the Detection of Suggestive Signs of COVID-19 in CT Images [58.720142291102135]
  畳み込みニューラルネットワーク(CNN)のフィルタを推定するために,大規模な注釈付きデータセットやバックプロパゲーションを必要としない手法を提案する。 少数のCT画像に対して、ユーザは、代表的な正常領域と異常領域にマーカーを描画する。 本発明の方法は、カーネルがマークされたものに似た拡張領域に特有な一連の畳み込み層からなる特徴抽出器を生成する。
  論文  参考訳（メタデータ） (2021-11-16T15:03:42Z)
• Learning from Pseudo Lesion: A Self-supervised Framework for COVID-19 Diagnosis [22.54540093657541]
  コロナウイルス感染症2019(COVID-19)は、2019年12月の報告以来、世界中で急速に拡大している。 近年、ディープラーニングに基づくアプローチは、無数の画像認識タスクにおいて顕著なパフォーマンスを示している。 本報告では, 疑似病変の発生と回復に基づく自己指導型事前訓練法を提案する。
  論文  参考訳（メタデータ） (2021-06-23T11:21:30Z)
• COV-ECGNET: COVID-19 detection using ECG trace images with deep convolutional neural network [0.40631409309544836]
  本研究は、心電図(ECG)からCOVID-19を検出するために、ディープ畳み込みニューラルネットワーク(CNN)モデルを使用することの可能性を検討する。 本研究は、深層学習技術を用いて、COVID-19および他の心血管疾患(CVD)を検出した。
  論文  参考訳（メタデータ） (2021-06-01T12:33:08Z)
• CRT-Net: A Generalized and Scalable Framework for the Computer-Aided Diagnosis of Electrocardiogram Signals [6.359424209413513]
  我々はECGの臨床認識のための堅牢でスケーラブルなフレームワークを開発した。 CRT-Netと呼ばれる新しいディープニューラルネットワークは、1次元ECG信号の微細で包括的な表現と認識のために設計されている。
  論文  参考訳（メタデータ） (2021-05-28T06:56:06Z)
• FLANNEL: Focal Loss Based Neural Network Ensemble for COVID-19 Detection [61.04937460198252]
  正常, 細菌性肺炎, 非ウイルス性肺炎, COVID-19の4型を有する2874例のX線画像データを構築した。 FLANNEL(Focal Loss Based Neural Ensemble Network)を提案する。 FLANNELは、すべての指標において、新型コロナウイルス識別タスクのベースラインモデルを一貫して上回っている。
  論文  参考訳（メタデータ） (2020-10-30T03:17:31Z)
• 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)
• CCBlock: An Effective Use of Deep Learning for Automatic Diagnosis of COVID-19 Using X-Ray Images [0.0]
  新型コロナウイルス(COVID-19)のパンデミックは、世界の人々の健康と健康に劇的に影響している。 新型コロナウイルスの感染拡大を根絶するためには、新型コロナウイルスの検出・診断支援方法を開発する必要がある。 畳み込みニューラルネットワーク(CNN)に基づいて、自動検出システムは、新型コロナウイルス患者をラジオグラフィーで診断する有望な結果を示している。
  論文  参考訳（メタデータ） (2020-09-21T19:20:01Z)
• COVIDNet-CT: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest CT Images [75.74756992992147]
  我々は、胸部CT画像からCOVID-19の症例を検出するのに適した、深層畳み込みニューラルネットワークアーキテクチャであるCOVIDNet-CTを紹介した。 また,中国生体情報センターが収集したCT画像データから得られたベンチマークCT画像データセットであるCOVIDx-CTも紹介した。
  論文  参考訳（メタデータ） (2020-09-08T15:49:55Z)
• Learning Diagnosis of COVID-19 from a Single Radiological Image [1.9049294570026933]
  条件付き単一画像から学習可能な新しい条件生成モデルCoSinGANを提案する。 我々のCoSinGANは、新型コロナウイルス感染症の視覚所見の条件付き分布を捉え、さらに多様な高解像度の放射線画像の合成を可能にします。 CoSinGANから合成されたサンプルに基づいて訓練された深層分類とセグメンテーションネットワークは、新型コロナウイルス感染の顕著な検出精度を達成する。
  論文  参考訳（メタデータ） (2020-06-06T07:41:28Z)
• Residual Attention U-Net for Automated Multi-Class Segmentation of COVID-19 Chest CT Images [46.844349956057776]
  新型コロナウイルス感染症(COVID-19)は世界中で急速に広がり、公衆衛生や経済に大きな影響を及ぼしている。 新型コロナウイルスによる肺感染症を効果的に定量化する研究はいまだにない。 複数の新型コロナウイルス感染症領域の自動セグメンテーションのための新しいディープラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-12T16:24:59Z)

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。