論文の概要: Dual Bayesian ResNet: A Deep Learning Approach to Heart Murmur Detection
- arxiv url: http://arxiv.org/abs/2305.16691v1
- Date: Fri, 26 May 2023 07:24:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-29 16:31:13.579052
- Title: Dual Bayesian ResNet: A Deep Learning Approach to Heart Murmur Detection
- Title（参考訳）: Dual Bayesian ResNet: 心臓外傷検出のためのディープラーニングアプローチ
- Authors: Benjamin Walker, Felix Krones, Ivan Kiskin, Guy Parsons, Terry Lyons,
Adam Mahdi
- Abstract要約: 我々は、George B. Moody PhysioNet Challenge 2022へのPathToMyHeartの貢献について紹介する。
最初のモデルはDual Bayesian ResNet(DBRes)で、各患者の記録は重なり合うログメルスペクトログラムに分割される。
第2のモデルは、XGBoost.DBResを使用して、人口統計データや信号機能と統合されたDBReの出力である。
- 参考スコア（独自算出の注目度）: 0.7829352305480285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents our team PathToMyHeart's contribution to the George B.
Moody PhysioNet Challenge 2022. Two models are implemented. The first model is
a Dual Bayesian ResNet (DBRes), where each patient's recording is segmented
into overlapping log mel spectrograms. These undergo two binary
classifications: present versus unknown or absent, and unknown versus present
or absent. The classifications are aggregated to give a patient's final
classification. The second model is the output of DBRes integrated with
demographic data and signal features using XGBoost.DBRes achieved our best
weighted accuracy of $0.771$ on the hidden test set for murmur classification,
which placed us fourth for the murmur task. (On the clinical outcome task,
which we neglected, we scored 17th with costs of $12637$.) On our held-out
subset of the training set, integrating the demographic data and signal
features improved DBRes's accuracy from $0.762$ to $0.820$. However, this
decreased DBRes's weighted accuracy from $0.780$ to $0.749$. Our results
demonstrate that log mel spectrograms are an effective representation of heart
sound recordings, Bayesian networks provide strong supervised classification
performance, and treating the ternary classification as two binary
classifications increases performance on the weighted accuracy.
- Abstract（参考訳）: 本稿では、George B. Moody PhysioNet Challenge 2022へのPathToMyHeartの貢献について紹介する。
2つのモデルが実装されている。
最初のモデルはDual Bayesian ResNet(DBRes)で、各患者の記録は重なり合うログメルスペクトログラムに分割される。
これら2つのバイナリ分類は、現在と未知または欠落、現在と欠落の2つである。
分類は、患者の最終分類を与えるために集計される。
2つ目のモデルは、人口統計データとxgboostを用いた信号特徴を統合したdbresの出力です。dbresは、murmur分類のための隠れたテストセットに基づいて、最高の重み付け精度を0.771$で達成しました。
(私たちが無視した臨床結果のタスクでは、コストが12637ドルで17位になった。)
トレーニングセットの保留部分では、人口統計データと信号機能を統合することで、dbresの精度が0.762$から0.820$に向上した。
しかし、DBResの重み付け精度は0.780$から0.749$に低下した。
その結果,対数メルスペクトログラムは心拍記録の効果的な表現であり,ベイズネットワークは強い教師付き分類性能を提供し,二進分類として三進分類を扱い,重み付け精度の向上が期待できることがわかった。
関連論文リスト
- AFEN: Respiratory Disease Classification using Ensemble Learning [2.524195881002773]
本稿では、畳み込みニューラルネットワーク(CNN)とXGBoostを利用するモデルであるAFEN(Audio Feature Learning)を提案する。
我々は、データの健全な属性を提供し、正確な分類を可能にする、巧妙に選択されたオーディオ特徴の組み合わせを使用する。
AFENがPrecisionとRecallをメトリクスとして利用し、トレーニング時間を60%削減し、新たな最先端技術の設定を実証的に検証した。
論文 参考訳（メタデータ） (2024-05-08T23:50:54Z) - Wav2vec-based Detection and Severity Level Classification of Dysarthria
from Speech [15.150153248025543]
事前訓練したwav2vec 2.0モデルは, 検出および重度分類システムを構築するための特徴抽出器として研究されている。
一般的なUA音声データベースを用いて実験を行った。
論文 参考訳（メタデータ） (2023-09-25T13:00:33Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Partial and Asymmetric Contrastive Learning for Out-of-Distribution
Detection in Long-Tailed Recognition [80.07843757970923]
既存のOOD検出手法は,トレーニングセットが長距離分布している場合,大幅な性能劣化に悩まされていることを示す。
本稿では,部分的および非対称的な教師付きコントラスト学習(PASCL)を提案する。
我々の手法は従来の最先端の手法を1.29%$, $1.45%$, $0.69%$異常検出偽陽性率(FPR)と$3.24%$, 4,.06%$, 7,89%$in-distributionで上回ります。
論文 参考訳（メタデータ） (2022-07-04T01:53:07Z) - Cross-Model Pseudo-Labeling for Semi-Supervised Action Recognition [98.25592165484737]
CMPL(Cross-Model Pseudo-Labeling)と呼ばれる,より効果的な擬似ラベル方式を提案する。
CMPLは、それぞれRGBモダリティとラベル付きデータのみを使用して、Kinetics-400とUCF-101のTop-1の精度を17.6%と25.1%で達成している。
論文 参考訳（メタデータ） (2021-12-17T18:59:41Z) - Analysis of an adaptive lead weighted ResNet for multiclass
classification of 12-lead ECGs [1.155818089388109]
12個の心電図から24個の心の異常を分類するために,アンサンブル深部ニューラルネットワークアーキテクチャを記述,解析した。
5倍のクロスバリデーションスコアが0.684, 感度と特異性は0.758, 0.969であった。
論文 参考訳（メタデータ） (2021-12-01T15:44:52Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z) - Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and
Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。
本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。
我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文 参考訳（メタデータ） (2021-05-14T10:05:10Z) - A Fast Algorithm for Heart Disease Prediction using Bayesian Network
Model [0.0]
データマイニングは、医療部門から利用可能なデータから貴重な知識を取得するのに役立つ。
これは、臨床実験よりも速い患者の健康状態を予測するためのモデルをトレーニングするのに役立ちます。
Logistic Regression, K-Nearest Neighbor, Naive Bayes (NB), Support Vector Machineなど,さまざまな機械学習アルゴリズムの実装。
クリーブランド心臓データセットに適用されています。
論文 参考訳（メタデータ） (2020-12-17T07:42:40Z) - Multilabel 12-Lead Electrocardiogram Classification Using Gradient
Boosting Tree Ensemble [64.29529357862955]
我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。
各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。
各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
論文 参考訳（メタデータ） (2020-10-21T18:11:36Z)
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。