論文の概要: MMA-RNN: A Multi-level Multi-task Attention-based Recurrent Neural
Network for Discrimination and Localization of Atrial Fibrillation
- arxiv url: http://arxiv.org/abs/2302.03731v2
- Date: Thu, 9 Feb 2023 01:29:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 12:00:19.287773
- Title: MMA-RNN: A Multi-level Multi-task Attention-based Recurrent Neural
Network for Discrimination and Localization of Atrial Fibrillation
- Title（参考訳）: MMA-RNN:心房細動の識別と局在のためのマルチレベルマルチタスク注意に基づくリカレントニューラルネットワーク
- Authors: Yifan Sun, Jingyan Shen, Yunfan Jiang, Zhaohui Huang, Minsheng Hao,
Xuegong Zhang
- Abstract要約: 本稿では,多段階マルチタスク・アテンションに基づくリカレントニューラルネットワークを提案する。
このモデルは、情報インタラクションを強化し、エラーの蓄積を減らすためのエンドツーエンドフレームワークとして設計されている。
- 参考スコア（独自算出の注目度）: 1.8037893225125925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The automatic detection of atrial fibrillation based on electrocardiograph
(ECG) signals has received wide attention both clinically and practically. It
is challenging to process ECG signals with cyclical pattern, varying length and
unstable quality due to noise and distortion. Besides, there has been
insufficient research on separating persistent atrial fibrillation from
paroxysmal atrial fibrillation, and little discussion on locating the onsets
and end points of AF episodes. It is even more arduous to perform well on these
two distinct but interrelated tasks, while avoiding the mistakes inherent from
stage-by-stage approaches. This paper proposes the Multi-level Multi-task
Attention-based Recurrent Neural Network for three-class discrimination on
patients and localization of the exact timing of AF episodes. Our model
captures three-level sequential features based on a hierarchical architecture
utilizing Bidirectional Long and Short-Term Memory Network (Bi-LSTM) and
attention layers, and accomplishes the two tasks simultaneously with a
multi-head classifier. The model is designed as an end-to-end framework to
enhance information interaction and reduce error accumulation. Finally, we
conduct experiments on CPSC 2021 dataset and the result demonstrates the
superior performance of our method, indicating the potential application of
MMA-RNN to wearable mobile devices for routine AF monitoring and early
diagnosis.
- Abstract（参考訳）: 心電図(ECG)信号による心房細動の自動検出は臨床的にも実用的にも広く注目されている。
ノイズや歪みにより、循環パターン、長さの変化、不安定な品質でECG信号を処理することは困難である。
さらに、発作性心房細動から持続性心房細動を分離する研究は不十分であり、AFエピソードの開始点と終了点の特定についてはほとんど議論されていない。
ステージバイステージのアプローチに固有の誤りを避けながら、これら2つの異なるが相互に関連するタスクをうまく実行するのはさらに難しい。
本稿では,多段階マルチタスク・アテンションに基づくリカレントニューラルネットワークを提案する。
本モデルでは,双方向長短記憶ネットワーク(Bi-LSTM)とアテンション層を用いた階層構造に基づく3段階の逐次的特徴を抽出し,マルチヘッド分類器を同時に実現している。
このモデルは、情報インタラクションを強化し、エラーの蓄積を減らすためのエンドツーエンドフレームワークとして設計されている。
最後に、CPSC 2021データセットを用いて実験を行い、本手法の優れた性能を示し、MMA-RNNのウェアラブルモバイルデバイスへの応用の可能性を示し、定期的なAFモニタリングと早期診断を行う。
関連論文リスト
- Temporal Cross-Attention for Dynamic Embedding and Tokenization of Multimodal Electronic Health Records [1.6609516435725236]
マルチモーダルな臨床時系列を正確に表現するための動的埋め込み・トークン化フレームワークを提案する。
術後合併症9例の発症予測に基礎的アプローチを応用した。
論文 参考訳（メタデータ） (2024-03-06T19:46:44Z) - SiamAF: Learning Shared Information from ECG and PPG Signals for Robust
Atrial Fibrillation Detection [18.014439380551824]
心房細動 (AF) は心不整脈の最も一般的なタイプである。
脳卒中、心不全、その他の心血管合併症のリスクが高まるが、臨床的には沈黙することがある。
現在のディープラーニングモデルは、心電図(ECG)または光胸波(PPG)信号のどちらかの単一のモードから学習する。
我々は,新しいSiameseネットワークアーキテクチャと共同学習損失関数を活用して,ECG信号とPSG信号の両方から学習するSiamAFという新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-10-13T15:48:24Z) - TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential
Modelling [54.97005925277638]
潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。
SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。
そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
論文 参考訳（メタデータ） (2023-08-25T08:54:41Z) - MVMTnet: A Multi-variate Multi-modal Transformer for Multi-class
Classification of Cardiac Irregularities Using ECG Waveforms and Clinical
Notes [4.648677931378919]
ディープラーニングは、臨床ベースのアプリケーションのための診断と患者モニタリングを最適化するために使用することができる。
心臓血管疾患では、世界中の様々な地域で医療資源が利用可能になる傾向がますます高まってきており、心疾患の自動分類が課題となっている。
提案したマルチモーダルトランスフォーマーアーキテクチャは、トランスフォーマーのクロスドメインの有効性を実証しながら、このタスクを正確に実行することができる。
論文 参考訳（メタデータ） (2023-02-21T21:38:41Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Superresolution and Segmentation of OCT scans using Multi-Stage
adversarial Guided Attention Training [18.056525121226862]
我々は,OCTスキャンを高分解能セグメンテーションラベルに変換する多段階・多識別型生成逆数ネットワーク(MultiSDGAN)を提案する。
我々は,MultiSDGANアーキテクチャに対して,チャネルと空間的注意の様々な組み合わせを評価し,比較し,より強力な特徴マップを抽出する。
その結果,Dice係数とSSIMでは21.44%,19.45%の相対的な改善が見られた。
論文 参考訳（メタデータ） (2022-06-10T00:26:55Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided
Two-Path CNNs [49.32653090178743]
畳み込みニューラルネットワーク(CNN)は2つの時点から病変活動のセグメンテーションについて研究されている。
CNNは、異なる方法で2つのポイントからの情報を組み合わせて設計され、評価される。
深層学習に基づく手法が古典的アプローチより優れていることが実証された。
論文 参考訳（メタデータ） (2020-08-05T08:49:20Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z) - ADRN: Attention-based Deep Residual Network for Hyperspectral Image
Denoising [52.01041506447195]
ノイズの多いHSIからクリーンなHSIへのマッピングを学習するために,注目に基づくディープ残差ネットワークを提案する。
実験の結果,提案手法は定量的および視覚的評価において最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-04T08:36:27Z) - HAN-ECG: An Interpretable Atrial Fibrillation Detection Model Using
Hierarchical Attention Networks [15.96723122978118]
心房細動(英: atrial fibrillation、AF)は、米国で300万人以上、世界中の3300万人以上の人の生活に影響を及ぼす最も一般的な不整脈の1つである。
本稿では,AF検出タスクに対する双方向リカレント・ニューラルネットワークに基づく解釈可能なアプローチであるHAN-ECGを提案する。
論文 参考訳（メタデータ） (2020-02-12T22:23:06Z)
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。