論文の概要: Semi-Supervised Learning for Multi-Label Cardiovascular Diseases
Prediction:A Multi-Dataset Study
- arxiv url: http://arxiv.org/abs/2306.10494v1
- Date: Sun, 18 Jun 2023 07:46:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 20:24:28.517146
- Title: Semi-Supervised Learning for Multi-Label Cardiovascular Diseases
Prediction:A Multi-Dataset Study
- Title(参考訳): 多層心血管疾患予測のための半教師付き学習:マルチデータセットによる検討
- Authors: Rushuang Zhou, Lei Lu, Zijun Liu, Ting Xiang, Zhen Liang, David A.
Clifton, Yining Dong, Yuan-Ting Zhang
- Abstract要約: 現在の心電図に基づく診断システムは,ディープラーニング技術の急速な発展により,有望な性能を示す。
ラベル不足、複数のCVDの共起、目に見えないデータセットのパフォーマンスの低下は、ディープラーニングベースのモデルの普及を妨げる。
本稿では,複数のCVDを同時に認識するマルチラベル半教師付きモデル(ECGMatch)を提案する。
- 参考スコア(独自算出の注目度): 17.84069222975825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electrocardiography (ECG) is a non-invasive tool for predicting
cardiovascular diseases (CVDs). Current ECG-based diagnosis systems show
promising performance owing to the rapid development of deep learning
techniques. However, the label scarcity problem, the co-occurrence of multiple
CVDs and the poor performance on unseen datasets greatly hinder the widespread
application of deep learning-based models. Addressing them in a unified
framework remains a significant challenge. To this end, we propose a
multi-label semi-supervised model (ECGMatch) to recognize multiple CVDs
simultaneously with limited supervision. In the ECGMatch, an ECGAugment module
is developed for weak and strong ECG data augmentation, which generates diverse
samples for model training. Subsequently, a hyperparameter-efficient framework
with neighbor agreement modeling and knowledge distillation is designed for
pseudo-label generation and refinement, which mitigates the label scarcity
problem. Finally, a label correlation alignment module is proposed to capture
the co-occurrence information of different CVDs within labeled samples and
propagate this information to unlabeled samples. Extensive experiments on four
datasets and three protocols demonstrate the effectiveness and stability of the
proposed model, especially on unseen datasets. As such, this model can pave the
way for diagnostic systems that achieve robust performance on multi-label CVDs
prediction with limited supervision.
- Abstract(参考訳): 心電図は、心血管疾患(CVD)を予測するための非侵襲的なツールである。
現在の心電図に基づく診断システムは,ディープラーニング技術の急速な発展により,有望な性能を示す。
しかし、ラベルの不足、複数のCVDの共起、見えないデータセットの性能の低下は、ディープラーニングベースのモデルの普及を著しく妨げている。
統一されたフレームワークでそれらに取り組むことは、依然として大きな課題である。
そこで本研究では,複数のCVDを同時に認識するマルチラベル半教師付きモデル(ECGMatch)を提案する。
ECGMatchでは、弱い強力なECGデータ拡張のためにECGAugmentモジュールが開発され、モデルトレーニングのための多様なサンプルを生成する。
その後、ラベル不足を緩和する擬似ラベル生成・改良のために、近隣の合意モデリングと知識蒸留を備えたハイパーパラメータ効率のフレームワークを設計する。
最後に,ラベル付きサンプル内の異なるCVDの共起情報を捕捉し,ラベル付きサンプルに伝達するラベル相関アライメントモジュールを提案する。
4つのデータセットと3つのプロトコルに関する大規模な実験は、提案モデルの有効性と安定性を実証している。
そのため,本モデルは,限られた監督下での多ラベルCVD予測において,堅牢な性能を実現する診断システムを実現することができる。
関連論文リスト
- FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。
機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。
本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文 参考訳(メタデータ) (2024-10-28T02:24:01Z) - C-MELT: Contrastive Enhanced Masked Auto-Encoders for ECG-Language Pre-Training [10.088785685439134]
本稿では,コントラッシブマスクを用いた自動エンコーダアーキテクチャを用いて,ECGとテキストデータを事前学習するフレームワークであるC-MELTを提案する。
C-MELTは、生成性の強さと識別能力の強化を一意に組み合わせて、堅牢なクロスモーダル表現を実現する。
論文 参考訳(メタデータ) (2024-10-03T01:24:09Z) - ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。
新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。
DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
論文 参考訳(メタデータ) (2024-07-25T13:27:10Z) - Self-Trained Model for ECG Complex Delineation [0.0]
心電図(ECG)のデライン化は、正確な診断で心臓科医を支援する上で重要な役割を担っている。
我々は,ECGデライン化のためのデータセットを導入し,大量のラベルのないECGデータを活用することを目的とした,新たな自己学習手法を提案する。
我々のアプローチでは、データセットでトレーニングされたニューラルネットワークを使用してラベルなしデータの擬似ラベル付けを行い、その後、新たにラベル付けされたサンプル上でモデルをトレーニングし、デライン化の品質を高める。
論文 参考訳(メタデータ) (2024-06-04T18:54:10Z) - A Compact LSTM-SVM Fusion Model for Long-Duration Cardiovascular
Diseases Detection [0.0]
世界的には、心臓血管疾患(CVD)が主な死因であり、毎年1790万人が死亡している。
重要な臨床目的の1つは、心電図(ECG)データによるCVDの早期検出である。
機械学習とディープラーニングに基づく最近の進歩は、この分野において大きな進歩を遂げている。
論文 参考訳(メタデータ) (2023-11-20T10:57:11Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳(メタデータ) (2023-08-31T00:36:10Z) - 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) - Improving the efficacy of Deep Learning models for Heart Beat detection
on heterogeneous datasets [0.0]
ヘテロジニアスデータセットにディープラーニングモデルを適用する際の問題点について検討する。
本研究では,健常者からのデータに基づいてトレーニングしたモデルの性能が,心疾患患者に適用した場合に低下することを示す。
次に、異なるデータセットにモデルを適応させるためのTransfer Learningの使用を評価します。
論文 参考訳(メタデータ) (2021-10-26T14:26:55Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳(メタデータ) (2021-02-26T02:29:30Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - 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。