Fugu-MT 論文翻訳(概要): Localizing the Origin of Idiopathic Ventricular Arrhythmia from ECG Using an Attention-Based Recurrent Convolutional Neural Network

論文の概要: Localizing the Origin of Idiopathic Ventricular Arrhythmia from ECG Using an Attention-Based Recurrent Convolutional Neural Network

arxiv url: http://arxiv.org/abs/2302.10824v1
Date: Sat, 28 Jan 2023 08:01:10 GMT
ステータス: 処理完了
システム内更新日: 2023-02-26 14:00:14.029588
Title: Localizing the Origin of Idiopathic Ventricular Arrhythmia from ECG Using an Attention-Based Recurrent Convolutional Neural Network
Title（参考訳）: 注意型リカレント畳み込みニューラルネットワークを用いた心電図からの特発性心室性不整脈の起源の特定
Authors: Mohammadreza Shahsavari, Niloufar Delfan, Mohamad Forouzanfar
Abstract要約: 特発性心室不整脈(IVAs)は、非治療後に致命的な心臓リズムを乱す異常な心拍数である。現在のIVAローカライゼーション技術は侵入的であり、専門家の解釈に依存するか、不正確である。我々は、専門家の手動解析を必要とせずに、ECG信号からIVAの起点を自動的に識別できる新しいディープラーニングアルゴリズムを開発した。
参考スコア（独自算出の注目度）: 0.8839687029212672
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Idiopathic ventricular arrhythmia (IVAs) is extra abnormal heartbeats disturbing the regular heart rhythm that can become fatal if left untreated. Cardiac catheter ablation is the standard approach to treat IVAs, however, a crucial prerequisite for the ablation is the localization of IVAs' origin. The current IVA localization techniques are invasive, rely on expert interpretation, or are inaccurate. In this study, we developed a new deep-learning algorithm that can automatically identify the origin of IVAs from ECG signals without the need for expert manual analysis. Our developed deep learning algorithm was comprised of a spatial fusion to extract the most informative features from multichannel ECG data, temporal modeling to capture the evolving pattern of the ECG time series, and an attention mechanism to weigh the most important temporal features and improve the model interpretability. The algorithm was validated on a 12-lead ECG dataset collected from 334 patients (230 females) who experienced IVA and successfully underwent a catheter ablation procedure that determined IVA's exact origins. The proposed method achieved an area under the curve of 93%, an accuracy of 94%, a sensitivity of 97%, a precision of 95%, and an F1 score of 96% in locating the origin of IVAs and outperformed existing automatic and semi-automatic algorithms. The proposed method shows promise toward automatic and noninvasive evaluation of IVA patients before cardiac catheter ablation.
Abstract（参考訳）: 特発性心室不整脈(IVAs)は、非治療後に致命的な心臓リズムを乱す異常な心拍数である。心臓カテーテルアブレーションはIVAの治療の標準的なアプローチであるが、このアブレーションの必須条件はIVAの起源の局在である。現在のIVAローカライゼーション技術は侵入的であり、専門家の解釈に依存している。本研究では,専門的な手動解析を必要とせずに,ECG信号からIVAの起点を自動的に同定できる新しいディープラーニングアルゴリズムを開発した。開発した深層学習アルゴリズムは,多チャンネルECGデータから最も情報性の高い特徴を抽出するための空間融合,ECG時系列の進化パターンを捉えた時間モデリング,最も重要な時間的特徴の重み付けとモデル解釈性の向上のための注意機構から構成された。このアルゴリズムは、IVAを経験し、IVAの正確な起源を決定するカテーテルアブレーション手術を成功させた334人(女性230人)から収集した12個の心電図データセットで検証された。提案手法は,93%の曲線,94%の精度,97%の感度,95%の精度,F1のスコアを96%の精度で達成し,ISAの起源と既存自動・半自動アルゴリズムの精度を向上した。心臓カテーテルアブレーション前におけるIVA患者の自動的,非侵襲的評価への期待を示す。

関連論文リスト

Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文参考訳（メタデータ） (2024-10-08T10:03:52Z)
Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
論文参考訳（メタデータ） (2024-03-18T18:09:22Z)
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)
A Novel real-time arrhythmia detection model using YOLOv8 [0.0]
本研究は,在宅における心電図(ECG)のリアルタイム不整脈検出の可能性を明らかにするものである。我々は,MIT-BIH不整脈データセットを微調整した損失修正型YOLOv8モデルを導入し,リアルタイム連続監視を実現する。我々の研究は、リアルタイム不整脈検出の可能性を示し、ユーザーが自宅の快適さの中でモデル出力を視覚的に解釈できるようにする。
論文参考訳（メタデータ） (2023-05-26T08:27:09Z)
ECG-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional Neural Networks [9.410102957429705]
本稿では,意図に基づく畳み込みニューラルネットワーク(ABCNN)を用いて生の心電図信号に対処し,正確な不整脈検出のための情報的依存関係を自動的に抽出する手法を提案する。我々の主な課題は、正常な心拍から不整脈を見つけ、その間に5種類の不整脈から心疾患を正確に認識することである。実験の結果,提案するABCNNは広く使用されているベースラインよりも優れていた。
論文参考訳（メタデータ） (2021-08-18T14:55:46Z)
Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文参考訳（メタデータ） (2021-04-15T12:50:16Z)
Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文参考訳（メタデータ） (2020-10-29T19:14:41Z)
Personalized Deep Learning for Ventricular Arrhythmias Detection on Medical IoT Systems [17.966382901357118]
心室不整脈(VA)は突然死(SCD)の原因である医療用IoTシステム上での深層学習に基づくVA検出のためのパーソナライズされたコンピューティングフレームワークを提案する。心内および表面リズムモニターの両方でリアルタイムに推定を行う。
論文参考訳（メタデータ） (2020-08-18T17:41:58Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。