論文の概要: ECG-Based Electrolyte Prediction: Evaluating Regression and
Probabilistic Methods
- arxiv url: http://arxiv.org/abs/2212.13890v1
- Date: Wed, 21 Dec 2022 18:54:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 14:09:06.933185
- Title: ECG-Based Electrolyte Prediction: Evaluating Regression and
Probabilistic Methods
- Title(参考訳): ECGに基づく電解質予測:回帰と確率的手法の評価
- Authors: Philipp Von Bachmann, Daniel Gedon, Fredrik K. Gustafsson, Ant\^onio
H. Ribeiro, Erik Lampa, Stefan Gustafsson, Johan Sundstr\"om, Thomas B.
Sch\"on
- Abstract要約: 体内の電解質濃度の不均衡は破滅的な結果をもたらす。
心電図(Electrocardiogram、ECG)は、素早く簡単に取得できるツールである。
電解質濃度の正確な予測には回帰法が有効か検討する。
- 参考スコア(独自算出の注目度): 3.518016233072556
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Objective: Imbalances of the electrolyte concentration levels in the body can
lead to catastrophic consequences, but accurate and accessible measurements
could improve patient outcomes. While blood tests provide accurate
measurements, they are invasive and the laboratory analysis can be slow or
inaccessible. In contrast, an electrocardiogram (ECG) is a widely adopted tool
which is quick and simple to acquire. However, the problem of estimating
continuous electrolyte concentrations directly from ECGs is not well-studied.
We therefore investigate if regression methods can be used for accurate
ECG-based prediction of electrolyte concentrations. Methods: We explore the use
of deep neural networks (DNNs) for this task. We analyze the regression
performance across four electrolytes, utilizing a novel dataset containing over
290000 ECGs. For improved understanding, we also study the full spectrum from
continuous predictions to binary classification of extreme concentration
levels. To enhance clinical usefulness, we finally extend to a probabilistic
regression approach and evaluate different uncertainty estimates. Results: We
find that the performance varies significantly between different electrolytes,
which is clinically justified in the interplay of electrolytes and their
manifestation in the ECG. We also compare the regression accuracy with that of
traditional machine learning models, demonstrating superior performance of
DNNs. Conclusion: Discretization can lead to good classification performance,
but does not help solve the original problem of predicting continuous
concentration levels. While probabilistic regression demonstrates potential
practical usefulness, the uncertainty estimates are not particularly
well-calibrated. Significance: Our study is a first step towards accurate and
reliable ECG-based prediction of electrolyte concentration levels.
- Abstract(参考訳): 目的: 体中の電解質濃度のアンバランスは壊滅的な結果をもたらすが、正確でアクセスしやすい測定は患者の予後を改善する可能性がある。
血液検査は正確な測定を提供するが、それらは侵襲的であり、実験室の分析は遅くも到達不能である。
対照的に、心電図(ecg)は素早く簡単に取得できる広く採用されているツールである。
しかし, 連続電解質濃度をECGから直接推定する問題はよく研究されていない。
そこで我々は, 電解質濃度の正確な予測に回帰法を用いることができるか検討した。
方法: この課題に対するディープニューラルネットワーク(DNN)の利用について検討する。
290000のECGを含む新しいデータセットを用いて, 4つの電解質間の回帰特性を解析した。
理解を深めるために,連続予測から高度濃度レベルの二分分類までの全スペクトルについても検討した。
臨床的有用性を高めるために, 最終的に確率的回帰法に拡張し, 異なる不確実性推定値を評価する。
結果: 電解質の相互作用と心電図におけるその発現において臨床的に正当化される異なる電解質間で, 性能は著しく異なることが判明した。
また、回帰精度を従来の機械学習モデルと比較し、DNNの優れた性能を示す。
結論: 離散化は, 分類性能の向上につながるが, 連続濃度レベル予測の原案の解決には役立たない。
確率的回帰は潜在的に実用性を示すが、不確実性推定は特にうまく校正されていない。
意義:本研究は電解質濃度の正確かつ信頼性の高いecgに基づく予測に向けた第一歩である。
関連論文リスト
- HypUC: Hyperfine Uncertainty Calibration with Gradient-boosted
Corrections for Reliable Regression on Imbalanced Electrocardiograms [3.482894964998886]
本稿では,医療時系列における不均衡確率回帰の枠組みであるHypUCを提案する。
HypUCは数百万の患者から収集された、多様で現実世界のECGデータセットで評価されている。
論文 参考訳(メタデータ) (2023-11-23T06:17:31Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - GeoECG: Data Augmentation via Wasserstein Geodesic Perturbation for
Robust Electrocardiogram Prediction [20.8603653664403]
本稿では,心電図信号に基づく心疾患検出の堅牢性を高めるために,生理学的に着想を得たデータ拡張手法を提案する。
我々は、ワッサーシュタイン空間の測地線に沿った他のクラスに対してデータ分布を摂動することで、拡張されたサンプルを得る。
12個の心電図信号から学習し,心臓状態の5つのカテゴリを識別できる。
論文 参考訳(メタデータ) (2022-08-02T03:14:13Z) - Robust and Agnostic Learning of Conditional Distributional Treatment
Effects [62.44901952244514]
条件平均治療効果(CATE)は、個々の因果効果の最適点予測である。
集約分析では、通常は分布処理効果(DTE)の測定によって対処される。
我々は,多種多様な問題に対して条件付きDTE(CDTE)を学習するための,新しい堅牢でモデルに依存しない手法を提供する。
論文 参考訳(メタデータ) (2022-05-23T17:40:31Z) - A Deep Bayesian Neural Network for Cardiac Arrhythmia Classification
with Rejection from ECG Recordings [9.812244517847411]
データ不確かさとモデル不確実性に基づいて、ECGを拒絶と分類する。
臨床医の助けを借りて, 大規模な不確実性および誤予測の結果を, 少ない不確実性で説明するためのケーススタディを実施している。
我々の研究は、ニューラルネットワークがより正確な結果を生成するのに役立ち、不確実性に関する情報を提供することで、診断プロセスにおける臨床医の助けとなる。
論文 参考訳(メタデータ) (2022-02-26T01:13:32Z) - 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 Regularization Method to Improve Adversarial Robustness of Neural
Networks for ECG Signal Classification [1.8579693774597703]
心電図(Electrocardiogram、ECG)は、ヒトの心臓の状態をモニターする最も広く用いられる診断ツールである。
ECG信号のディープニューラルネットワーク(DNN)解釈は、患者の心臓の潜在的な異常を1秒で識別するために完全に自動化することができる。
DNNは、DNNの入力に微妙な変化をもたらす敵の雑音に対して非常に脆弱であり、間違ったクラスラベル予測をもたらす可能性がある。
本稿では,ECG信号分類の適用のために,ノイズ-信号比(NSR)の観点から頑健性を改善するための正規化手法を提案する。
論文 参考訳(メタデータ) (2021-10-19T06:22:02Z) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳(メタデータ) (2021-10-01T23:01:20Z) - Sickle Cell Disease Severity Prediction from Percoll Gradient Images
using Graph Convolutional Networks [38.27767684024691]
シックル細胞病(Sickle cell disease, SCD)は、赤血球の早期破壊を引き起こす重篤な遺伝性ヘモグロビン疾患である。
提案手法は,SCD重大度予測の難問に対する最初の計算手法である。
論文 参考訳(メタデータ) (2021-09-11T21:09:50Z) - Increasing the efficiency of randomized trial estimates via linear
adjustment for a prognostic score [59.75318183140857]
ランダム化実験による因果効果の推定は臨床研究の中心である。
歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
論文 参考訳(メタデータ) (2020-12-17T21:10:10Z) - 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。