論文の概要: Leveraging Statistical Shape Priors in GAN-based ECG Synthesis
- arxiv url: http://arxiv.org/abs/2211.02626v2
- Date: Sat, 3 Jun 2023 07:22:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 04:16:57.529487
- Title: Leveraging Statistical Shape Priors in GAN-based ECG Synthesis
- Title(参考訳): GANを用いたECG合成における統計的形状優先の活用
- Authors: Nour Neifar and Achraf Ben-Hamadou and Afef Mdhaffar and Mohamed
Jmaiel and Bernd Freisleben
- Abstract要約: 本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。
本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号の合成を行う。
以上の結果から,ECG信号の時間的・振幅的変動を2次元形状としてモデル化した手法は,最先端のGANベースの生成ベースラインと比較して,より現実的な信号を生成することがわかった。
- 参考スコア(独自算出の注目度): 3.3482093430607267
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Electrocardiogram (ECG) data collection during emergency situations is
challenging, making ECG data generation an efficient solution for dealing with
highly imbalanced ECG training datasets. In this paper, we propose a novel
approach for ECG signal generation using Generative Adversarial Networks (GANs)
and statistical ECG data modeling. Our approach leverages prior knowledge about
ECG dynamics to synthesize realistic signals, addressing the complex dynamics
of ECG signals. To validate our approach, we conducted experiments using ECG
signals from the MIT-BIH arrhythmia database. Our results demonstrate that our
approach, which models temporal and amplitude variations of ECG signals as 2-D
shapes, generates more realistic signals compared to state-of-the-art GAN based
generation baselines. Our proposed approach has significant implications for
improving the quality of ECG training datasets, which can ultimately lead to
better performance of ECG classification algorithms. This research contributes
to the development of more efficient and accurate methods for ECG analysis,
which can aid in the diagnosis and treatment of cardiac diseases.
- Abstract(参考訳): 緊急時の心電図(ECG)データ収集は困難であり、心電図データ生成は高度に不均衡な心電図トレーニングデータセットを扱うための効率的なソリューションとなる。
本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。
本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号を合成する。
提案手法を検証するため,MIT-BIH不整脈データベースのECG信号を用いた実験を行った。
その結果,心電図信号の時間変化と振幅変化を2次元形状としてモデル化する手法は,最先端のganベースラインと比較してより現実的な信号を生成することがわかった。
提案手法は,ECG学習データセットの品質向上に重要な意味を持ち,最終的にはECG分類アルゴリズムの性能向上につながる可能性がある。
本研究は,心疾患の診断と治療に役立つ,より効率的かつ正確な心電図解析法の開発に寄与する。
関連論文リスト
- Electrocardiogram Instruction Tuning for Report Generation [42.69952949416674]
心電図(ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。
最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。
LLMとマルチモーダル命令によるECGレポート生成に対処するMultimodal ECG Instruction Tuning(MEIT)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-07T23:20:56Z) - Bayesian ECG reconstruction using denoising diffusion generative models [11.603515105957461]
健常心電図(ECG)データを用いて訓練したDDGM(denoising diffusion generative model)を提案する。
以上の結果から, この革新的な生成モデルにより, 現実的なECG信号を生成できることが示唆された。
論文 参考訳(メタデータ) (2023-12-18T15:56:21Z) - EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳(メタデータ) (2023-10-24T02:37:49Z) - ECG-SL: Electrocardiogram(ECG) Segment Learning, a deep learning method
for ECG signal [19.885905393439014]
本稿では,ECG信号の周期的性質をモデル化する新しいECG-Segment Based Learning (ECG-SL) フレームワークを提案する。
この構造的特徴に基づき, 時間的モデルを用いて, 各種臨床業務の時間的情報学習を行う。
提案手法はベースラインモデルより優れ,3つの臨床応用におけるタスク固有手法と比較して競争性能が向上する。
論文 参考訳(メタデータ) (2023-10-01T23:17:55Z) - DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial
Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。
現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。
本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文 参考訳(メタデータ) (2023-09-07T13:43:46Z) - DiffECG: A Versatile Probabilistic Diffusion Model for ECG Signals
Synthesis [5.100085108873068]
本稿では,ECG合成の拡散確率モデルに基づく新しい多元性アプローチを提案する。
本手法は、ECG合成における最初の一般化された条件付きアプローチを示す。
提案手法は、他の最先端のECG生成モデルよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-06-02T19:08:31Z) - PulseNet: Deep Learning ECG-signal classification using random
augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。
心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。
犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文 参考訳(メタデータ) (2023-05-17T09:06:39Z) - MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained
through electrophysiological simulations [0.12417791895581763]
機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。
電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。
仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
論文 参考訳(メタデータ) (2022-11-29T07:46:39Z) - ME-GAN: Learning Panoptic Electrocardio Representations for Multi-view
ECG Synthesis Conditioned on Heart Diseases [24.52989747071257]
本稿では,ME-GAN と呼ばれる多視点心電図合成のための疾患認識型生成対向ネットワークを提案する。
心臓疾患の心電図は特定の波形に局所化されることが多いため,適切な場所に病情報を正確に注入する「ミックスアップ正規化」を提案する。
総合的な実験により,ME-GANは多視点ECG信号合成において信頼性の高いモルビッド表現を用いて良好に機能することが確認された。
論文 参考訳(メタデータ) (2022-07-21T14:14:02Z) - 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) - 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。