Fugu-MT 論文翻訳(概要): Towards Efficient ECG-based Atrial Fibrillation Detection via Parameterised Hypercomplex Neural Networks

論文の概要: Towards Efficient ECG-based Atrial Fibrillation Detection via Parameterised Hypercomplex Neural Networks

arxiv url: http://arxiv.org/abs/2211.02678v1
Date: Thu, 27 Oct 2022 14:24:48 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 23:45:51.112194
Title: Towards Efficient ECG-based Atrial Fibrillation Detection via Parameterised Hypercomplex Neural Networks
Title（参考訳）: パラメータ化ハイパーコンプレックスニューラルネットワークを用いた心電図に基づく心房細動の効率的な検出に向けて
Authors: Leonie Basso, Zhao Ren, Wolfgang Nejdl
Abstract要約: 心房細動(英: atrial fibrillation, AF)は、心臓不整脈で最も多く、脳卒中などの重篤な疾患のリスクが高い。 AFの自動的かつタイムリーな評価を組み込んだウェアラブルデバイスを用いた心電図の長期記録は、生命を脅かす状況を避けるのに役立つ。最近提案されたパラメータ化ハイパープレプレックスニューラルネットワークに着想を得たAF検出のための軽量畳み込みニューラルネットワーク(CNN)を提案する。
参考スコア（独自算出の注目度）: 9.105231481894018
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Atrial fibrillation (AF) is the most common cardiac arrhythmia and associated with a higher risk for serious conditions like stroke. Long-term recording of the electrocardiogram (ECG) with wearable devices embedded with an automatic and timely evaluation of AF helps to avoid life-threatening situations. However, the use of a deep neural network for auto-analysis of ECG on wearable devices is limited by its complexity. In this work, we propose lightweight convolutional neural networks (CNNs) for AF detection inspired by the recently proposed parameterised hypercomplex (PH) neural networks. Specifically, the convolutional and fully-connected layers of a real-valued CNN are replaced by PH convolutions and multiplications, respectively. PH layers are flexible to operate in any channel dimension n and able to capture inter-channel relations. We evaluate PH-CNNs on publicly available databases of dynamic and in-hospital ECG recordings and show comparable performance to corresponding real-valued CNNs while using approx. $1/n$ model parameters.
Abstract（参考訳）: 心房細動(af)は最も一般的な心不整脈であり、脳卒中などの重篤な疾患のリスクが高い。心電図(ECG)とウェアラブルデバイスを組み込んだ長期的記録は、AFの自動的かつタイムリーな評価によって、生命を脅かす状況を避けるのに役立つ。しかし、ウェアラブルデバイスにおけるECGの自動分析にディープニューラルネットワークを使用することは、その複雑さによって制限される。本研究では,最近提案されたパラメータ化ハイパーコンプレックス(ph)ニューラルネットワークに触発されたaf検出のための軽量畳み込みニューラルネットワーク(cnns)を提案する。具体的には、実数値CNNの畳み込み層と完全連結層をそれぞれPH畳み込みと乗算に置き換える。 PH層は任意のチャネル次元 n で操作でき、チャネル間の関係を捉えることができる。我々は,動的ECG記録と病院内ECG記録の公開データベース上でPH-CNNを評価し,近似を用いて対応する実数値CNNと同等の性能を示す。 1/n$モデルパラメータ。

関連論文リスト

Graph Adapter of EEG Foundation Models for Parameter Efficient Fine Tuning [1.8946099300030472]
EEG-GraphAdapter (EGA) はパラメータ効率の高い微細チューニング(PEFT)アプローチである。 EGAは、GNNベースのモジュールとして、事前訓練された時間バックボーンモデルに統合される。バックボーンのBENDRモデルと比較すると、F1スコアでは最大16.1%の性能向上を実現している。
論文参考訳（メタデータ） (2024-11-25T07:30:52Z)
REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。本モデルは,発作検出と分類作業において高い精度を示す。
論文参考訳（メタデータ） (2024-06-03T16:30:19Z)
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)
How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文参考訳（メタデータ） (2023-06-04T08:53:27Z)
HARDC : A novel ECG-based heartbeat classification method to detect arrhythmia using hierarchical attention based dual structured RNN with dilated CNN [3.8791511769387625]
不整脈分類のための拡張CNN (HARDC) 法を用いたハイブリッド階層型双方向リカレントニューラルネットワークを開発した。提案したHARDCは、拡張CNNと双方向リカレントニューラルネットワークユニット(BiGRU-BiLSTM)アーキテクチャをフル活用して、融合機能を生成する。以上の結果から,複数種類の不整脈信号の分類を自動化し,高度に計算した手法が有望であることが示唆された。
論文参考訳（メタデータ） (2023-03-06T13:26:29Z)
Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文参考訳（メタデータ） (2022-05-08T15:29:54Z)
Effective classification of ecg signals using enhanced convolutional neural network in iot [0.0]
本稿では、動的ソースルーティング(DSR)とエネルギーリンク品質(REL)に基づくIoTヘルスケアプラットフォームのためのルーティングシステムを提案する。 Deep-ECGは、重要な特徴を抽出するためにディープCNNを使用し、単純かつ高速な距離関数を用いて比較する。その結果,提案手法は分類精度において他よりも優れていることがわかった。
論文参考訳（メタデータ） (2022-02-08T13:37:23Z)
Multistage Pruning of CNN Based ECG Classifiers for Edge Devices [9.223908421919733]
畳み込みニューラルネットワーク(CNN)に基づくディープラーニングは、ECGの異常なビートを検出するのに成功している。既存のCNNモデルの計算複雑性は、低消費電力エッジデバイスに実装することを禁止している。本稿では,CNNモデルの複雑性を低減し,性能を損なうことなく,新たなマルチステージプルーニング手法を提案する。
論文参考訳（メタデータ） (2021-08-31T17:51:15Z)
Learning Frequency-aware Dynamic Network for Efficient Super-Resolution [56.98668484450857]
本稿では、離散コサイン変換(dct)領域の係数に応じて入力を複数の部分に分割する新しい周波数認識動的ネットワークについて検討する。実際、高周波部は高価な操作で処理され、低周波部は計算負荷を軽減するために安価な操作が割り当てられる。ベンチマークSISRモデルおよびデータセット上での実験は、周波数認識動的ネットワークが様々なSISRニューラルネットワークに使用できることを示している。
論文参考訳（メタデータ） (2021-03-15T12:54:26Z)
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)
Multi-Lead ECG Classification via an Information-Based Attention Convolutional Neural Network [1.1720399305661802]
1次元畳み込みニューラルネットワーク(CNN)は、広範に分類されるタスクに有効であることが証明されている。残差接続を実装し,入力特徴マップ内の異なるチャネルに含まれる情報から重みを学習できる構造を設計する。分類タスクにおいて、特定のモデルセグメントのパフォーマンスを監視するために平均平方偏差という指標を導入する。
論文参考訳（メタデータ） (2020-03-25T02:28:04Z)

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。