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

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

arxiv url: http://arxiv.org/abs/2211.02678v3
Date: Mon, 11 Sep 2023 11:36:04 GMT
ステータス: 処理完了
システム内更新日: 2023-09-12 23:02:21.578603
Title: 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
Authors: Leonie Basso, Zhao Ren, Wolfgang Nejdl
Abstract要約: 心房細動(英: atrial fibrillation、AF)は、脳卒中などの重篤な疾患のリスクが高い心不整脈である。心電図(ECG)から自動的かつタイムリーなAFアセスメントを組み込んだウェアラブルデバイスは、生命を脅かす事態を防ぐ上で有望であることが示されている。ディープニューラルネットワークは、モデルパフォーマンスにおいて優位性を示しており、彼らのウェアラブルデバイスでの使用は、モデルパフォーマンスと複雑性の間のトレードオフによって制限されている。
参考スコア（独自算出の注目度）: 11.964843902569925
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Atrial fibrillation (AF) is the most common cardiac arrhythmia and associated with a high risk for serious conditions like stroke. The use of wearable devices embedded with automatic and timely AF assessment from electrocardiograms (ECGs) has shown to be promising in preventing life-threatening situations. Although deep neural networks have demonstrated superiority in model performance, their use on wearable devices is limited by the trade-off between model performance and complexity. In this work, we propose to use lightweight convolutional neural networks (CNNs) with parameterised hypercomplex (PH) layers for AF detection based on ECGs. The proposed approach trains small-scale CNNs, thus overcoming the limited computing resources on wearable devices. We show comparable performance to corresponding real-valued CNNs on two publicly available ECG datasets using significantly fewer model parameters. PH models are more flexible than other hypercomplex neural networks and can operate on any number of input ECG leads.
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)から自動的かつタイムリーなAFアセスメントを組み込んだウェアラブルデバイスの使用は、生命を脅かす状況を防ぐ上で有望であることが示されている。ディープニューラルネットワークはモデル性能に優れてきたが、ウェアラブルデバイスでの使用は、モデルパフォーマンスと複雑性のトレードオフによって制限されている。本稿では,ECGに基づくAF検出のために,パラメータ化ハイパープレプレックス(PH)層を用いた軽量畳み込みニューラルネットワーク(CNN)を提案する。提案手法は小型CNNを訓練し、ウェアラブルデバイス上の限られたコンピューティングリソースを克服する。モデルパラメータが大幅に少ない2つの公開ECGデータセット上で、対応する実数値CNNに匹敵する性能を示す。 PHモデルは、他の超複雑ニューラルネットワークよりも柔軟であり、任意の入力ECGリードで動作する。

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。