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

• CardioLab: Laboratory Values Estimation from Electrocardiogram Features -- An Exploratory Study [1.068128849363198]
  実験室の価値は医学診断の基盤となっているが、遅いターンアラウンド時間と高いコストに悩まされている。 変革の可能性にもかかわらず、この領域は医療コミュニティ内では比較的過小評価されている。 木質モデルを用いて,心電図の特徴と患者の人口動態から実験室値の推測が可能かを検討した。
  論文  参考訳（メタデータ） (2024-07-26T09:40:30Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• 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)
• MELEP: A Novel Predictive Measure of Transferability in Multi-Label ECG Diagnosis [1.3654846342364306]
  本稿では,事前学習したモデルから下流のECG診断タスクへの知識伝達の有効性を推定する手段であるMELEPを紹介する。 実験により、MELEPは、小・不均衡のECGデータに基づいて、事前学習した畳み込みと繰り返しの深部ニューラルネットワークの性能を予測できることを示した。
  論文  参考訳（メタデータ） (2023-10-27T14:57:10Z)
• 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)
• 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)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• 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)
• 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)
• 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。