論文の概要: ECG Feature Importance Rankings: Cardiologists vs. Algorithms
- arxiv url: http://arxiv.org/abs/2304.02577v1
- Date: Wed, 5 Apr 2023 16:48:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 11:55:29.364788
- Title: ECG Feature Importance Rankings: Cardiologists vs. Algorithms
- Title(参考訳): ECGの重要度ランキング:心臓科医対アルゴリズム
- Authors: Temesgen Mehari, Ashish Sundar, Alen Bosnjakovic, Peter Harris, Steven
E. Williams, Axel Loewe, Olaf Doessel, Claudia Nagel, Nils Strodthoff, Philip
J. Aston
- Abstract要約: 心臓科領域における実世界のデータに対するテストに特徴的重要度手法を適用した。
いくつかの手法はうまく機能し、他の手法はうまく機能しなかったが、いくつかの手法は考慮されたすべての問題に対してうまく機能した。
- 参考スコア(独自算出の注目度): 2.1680064609482397
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Feature importance methods promise to provide a ranking of features according
to importance for a given classification task. A wide range of methods exist
but their rankings often disagree and they are inherently difficult to evaluate
due to a lack of ground truth beyond synthetic datasets. In this work, we put
feature importance methods to the test on real-world data in the domain of
cardiology, where we try to distinguish three specific pathologies from healthy
subjects based on ECG features comparing to features used in cardiologists'
decision rules as ground truth. Some methods generally performed well and
others performed poorly, while some methods did well on some but not all of the
problems considered.
- Abstract(参考訳): 特徴の重要度は、与えられた分類タスクの重要性に応じて特徴のランキングを提供することを約束する。
幅広い手法が存在するが、それらのランキングはしばしば一致せず、合成データセット以外の基礎的な真実が欠如しているため、本質的に評価が難しい。
本研究は,循環器科領域における実世界のデータを用いた検査において,心電図の特徴を基礎的真理として使用する特徴と比較し,健常者から3つの特定の病態を区別することを目的としている。
いくつかの手法は一般的にうまく動作し、他の手法は性能が悪く、いくつかの手法は考慮されたすべての問題に対してうまく機能した。
関連論文リスト
- Pitfalls of topology-aware image segmentation [81.19923502845441]
我々は、不適切な接続選択、見過ごされたトポロジカルアーティファクト、評価指標の不適切な使用を含むモデル評価における致命的な落とし穴を同定する。
本稿では,トポロジを意識した医用画像分割手法の公正かつ堅牢な評価基準を確立するための,行動可能なレコメンデーションセットを提案する。
論文 参考訳(メタデータ) (2024-12-19T08:11:42Z) - Finding "Good Views" of Electrocardiogram Signals for Inferring Abnormalities in Cardiac Condition [1.702954408126291]
近年の研究では、深層学習アルゴリズムを用いてECG信号から不整脈を直接検出できることが確認されている。
不整脈を分類する下流タスクにおいて、正のサンプルを定義するためのいくつかの方法を検討し、どのアプローチが最高のパフォーマンスをもたらすかを評価する。
論文 参考訳(メタデータ) (2024-11-11T18:12:02Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳(メタデータ) (2023-10-11T05:49:47Z) - BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。
医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。
医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
論文 参考訳(メタデータ) (2023-06-20T20:23:46Z) - An Improved Heart Disease Prediction Using Stacked Ensemble Method [0.9187159782788579]
機械学習を用いた心疾患予測システムを構築した。
心臓疾患のある人と正常な人とを簡単に区別することができる。
論文 参考訳(メタデータ) (2023-04-12T17:53:59Z) - Incorporating Emotions into Health Mention Classification Task on Social
Media [70.23889100356091]
情緒的特徴を取り入れた健康言及分類のための枠組みを提案する。
我々は,ソーシャルメディアプラットフォームによる5つのHMC関連データセットに対するアプローチを評価した。
以上の結果から,感情的な知識を取り入れたHMCモデルが有効な選択肢であることが示唆された。
論文 参考訳(メタデータ) (2022-12-09T18:38:41Z) - Evaluating Feature Attribution Methods for Electrocardiogram [2.6999000177990924]
我々は,ECGの特性に基づいて,特徴帰属手法の3つの評価指標を特定し,カスタマイズする。
広範に利用されている特徴属性法を11種類評価し,解析した。
特徴帰属手法のいくつかはECGの説明に適しており、Grad-CAMは2番目に良い方法よりも大きなマージンで優れている。
論文 参考訳(メタデータ) (2022-11-23T04:48:49Z) - MEDFAIR: Benchmarking Fairness for Medical Imaging [44.73351338165214]
MEDFAIRは、医療画像のための機械学習モデルの公正性をベンチマークするフレームワークである。
モデル選択基準の未検討の問題は、公正な結果に重大な影響を及ぼす可能性がある。
異なる倫理的原則を必要とするさまざまな医療応用シナリオを推奨する。
論文 参考訳(メタデータ) (2022-10-04T16:30:47Z) - Improving ECG Classification Interpretability using Saliency Maps [0.0]
我々は,MIT-BIH不整脈データセットにおいて,各クラスにまたがるモデル決定を可視化する手法を提案する。
本稿では,一般化可能性やモデル性能に影響を及ぼす可能性のある問題を見つけるために,これらのマップをどのように利用できるかを強調した。
論文 参考訳(メタデータ) (2022-01-10T16:12:25Z) - Machine Learning-Based Classification Algorithms for the Prediction of
Coronary Heart Diseases [0.0]
この研究は、いくつかの機械学習に基づく分類モデルを作成し、テストした。
その結果、ロジスティック回帰は、元のデータセット上で最高のパフォーマンススコアを生み出した。
結論として,順調に処理され,標準化されたデータセット上のLRが,他のアルゴリズムよりも精度の高い冠状心疾患を予測できることが示唆された。
論文 参考訳(メタデータ) (2021-12-02T18:52:56Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2019-12-28T02:44:29Z)
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。