論文の概要: Predicting Cardiovascular Disease Risk using Photoplethysmography and
Deep Learning
- arxiv url: http://arxiv.org/abs/2305.05648v1
- Date: Tue, 9 May 2023 17:46:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-10 11:51:16.402136
- Title: Predicting Cardiovascular Disease Risk using Photoplethysmography and
Deep Learning
- Title(参考訳): photoplethysmography と deep learning を用いた心血管疾患リスクの予測
- Authors: Wei-Hung Weng, Sebastien Baur, Mayank Daswani, Christina Chen, Lauren
Harrell, Sujay Kakarmath, Mariam Jabara, Babak Behsaz, Cory Y. McLean, Yossi
Matias, Greg S. Corrado, Shravya Shetty, Shruthi Prabhakara, Yun Liu, Goodarz
Danaei, Diego Ardila
- Abstract要約: 心血管疾患 (CVD) は、低所得国や中所得国で早期に死亡する原因となっている。
そこで本研究では,ほとんどのスマートフォンで利用可能なセンシング技術であるフォトプレチスモグラフィー(Photoplethysmography)の可能性について検討した。
PPGを用いた深層学習型CVDリスクスコア(DLS)を開発した。
- 参考スコア(独自算出の注目度): 9.273651488255036
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular diseases (CVDs) are responsible for a large proportion of
premature deaths in low- and middle-income countries. Early CVD detection and
intervention is critical in these populations, yet many existing CVD risk
scores require a physical examination or lab measurements, which can be
challenging in such health systems due to limited accessibility. Here we
investigated the potential to use photoplethysmography (PPG), a sensing
technology available on most smartphones that can potentially enable
large-scale screening at low cost, for CVD risk prediction. We developed a deep
learning PPG-based CVD risk score (DLS) to predict the probability of having
major adverse cardiovascular events (MACE: non-fatal myocardial infarction,
stroke, and cardiovascular death) within ten years, given only age, sex,
smoking status and PPG as predictors. We compared the DLS with the office-based
refit-WHO score, which adopts the shared predictors from WHO and Globorisk
scores (age, sex, smoking status, height, weight and systolic blood pressure)
but refitted on the UK Biobank (UKB) cohort. In UKB cohort, DLS's C-statistic
(71.1%, 95% CI 69.9-72.4) was non-inferior to office-based refit-WHO score
(70.9%, 95% CI 69.7-72.2; non-inferiority margin of 2.5%, p<0.01). The
calibration of the DLS was satisfactory, with a 1.8% mean absolute calibration
error. Adding DLS features to the office-based score increased the C-statistic
by 1.0% (95% CI 0.6-1.4). DLS predicts ten-year MACE risk comparable with the
office-based refit-WHO score. It provides a proof-of-concept and suggests the
potential of a PPG-based approach strategies for community-based primary
prevention in resource-limited regions.
- Abstract(参考訳): 心血管疾患(CVD)は、低所得国や中所得国で早期死亡の頻度が大きい。
初期のCVD検出と介入はこれらの個体群では重要であるが、既存のCVDリスクスコアの多くは身体検査や実験室の測定を必要とするため、アクセス性に制限があるため、このような健康システムでは困難である。
本稿では,大規模スクリーニングを低コストで実現可能なセンサ技術である光胸腺撮影(PPG)を,CVDリスク予測に活用する可能性について検討した。
年齢,性別,喫煙状況,PSGのみを指標として,深層学習型PTGベースのCVDリスクスコア(DLS)を10年以内に,大血管障害(MACE: non-fatal myfarction, stroke, and cardiovascular death)の発生確率を予測する目的で開発した。
DLSをWHOとGloboriskスコア(年齢、性別、喫煙状況、身長、体重、収縮性血圧)の共有予測値を採用したオフィスベースのWHOスコアと比較したが、英国バイオバンク(UKB)コホートで再適合した。
ukbコホートでは、dlsのc-statistic (71.1%, 95% ci 69.9-72.4) はオフィスベースのrefit-whoスコア (70.9%, 95% ci 69.7-72.2, non-inferiority margin: 2.5%, p<0.01) に対する非干渉である。
DLSのキャリブレーションは良好で、1.8%の平均的なキャリブレーション誤差がある。
オフィスベースのスコアにDLS機能を追加すると、C統計は1.0%(95% CI 0.6-1.4)増加した。
DLSは10年間のMACEリスクを、オフィスベースのWHOのスコアと同等に予測している。
これは概念実証を提供し、資源制限地域におけるコミュニティベースのプライマリ防止のためのppgベースのアプローチ戦略の可能性を示唆している。
関連論文リスト
- Machine learning predicts long-term mortality after acute myocardial
infarction using systolic time intervals and routinely collected clinical
data [0.35998666903987897]
樹齢14年以内の死亡率を予測するため,木に基づくMLアルゴリズムの性能について検討した。
機能セットにbPEPとbETを追加することで,アルゴリズムの性能が大幅に向上した。
この進歩は、リスクの高い個人に対してより良い治療優先順位付けを可能にする可能性がある。
論文 参考訳(メタデータ) (2024-03-03T15:23:49Z) - End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG
by Deep Neural Networks [1.4064206416094476]
心房細動(英: atrial fibrillation、AF)は、毎年何百万人もの人に影響を及ぼす心不整脈の1つである。
機械学習手法は心電図からAFの発生リスクを評価する上で有望な結果を示している。
論文 参考訳(メタデータ) (2023-09-28T10:47:40Z) - Automated Assessment of Critical View of Safety in Laparoscopic
Cholecystectomy [51.240181118593114]
胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。
LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。
本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
論文 参考訳(メタデータ) (2023-09-13T22:01:36Z) - Deep Metric Learning for the Hemodynamics Inference with
Electrocardiogram Signals [14.972877620537686]
我々は、中央の圧力ラベルを伴わない540万以上のECGを含むデータセットを使用して、自己教師型DMLモデルを事前トレーニングします。
8,172mPCWPラベルのECGを用いた教師付きDMLモデルでは,mPCWP回帰タスクの性能が著しく向上した。
論文 参考訳(メタデータ) (2023-08-09T01:30:07Z) - 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) - Development of an accessible 10-year Digital CArdioVAscular (DiCAVA)
risk assessment: a UK Biobank study [0.46180371154032895]
目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。
第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
論文 参考訳(メタデータ) (2021-04-20T16:01:50Z) - Predicting cardiovascular risk from national administrative databases
using a combined survival analysis and deep learning approach [0.3463527836552467]
本研究では,従来のコックス比例ハザードモデル(CPH)を用いた生存分析モデルのディープラーニング拡張性能の比較を行った。
深層学習モデルは、説明された時間対イベントの発生率に基づいてCPHモデルよりも有意に優れていた。
深層学習モデルは、解釈可能なCVDリスク予測方程式を導出するために、大規模な健康管理データベースに適用することができる。
論文 参考訳(メタデータ) (2020-11-28T00:10:25Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳(メタデータ) (2020-10-22T02:28:11Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2020-07-20T21:47:28Z) - 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) - Automated Quantification of CT Patterns Associated with COVID-19 from
Chest CT [48.785596536318884]
提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。
この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。
このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
論文 参考訳(メタデータ) (2020-04-02T21:49:14Z)
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。