論文の概要: Phase Space Analysis of Cardiac Spectra

• arxiv url: http://arxiv.org/abs/2306.15425v1
• Date: Tue, 27 Jun 2023 12:37:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 13:31:40.802210
• Title: Phase Space Analysis of Cardiac Spectra
• Title（参考訳）: 心臓スペクトルの位相空間解析
• Authors: Onder Pekcan, Taner Arsan
• Abstract要約: 本書は,正常心と異常心の2種類の心電図システムについて検討した。 各人物のデータには、それぞれV_4とMLIIIの2つの信号が含まれている。 MLIII信号は、第1信号よりもD値が大きく、よりランダムでより多くの情報を予測することが観察された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cardiac diseases are one of the main reasons of mortality in modern, industrialized societies, and they cause high expenses in public health systems. Therefore, it is important to develop analytical methods to improve cardiac diagnostics. Electric activity of heart was first modeled by using a set of nonlinear differential equations. Latter, variations of cardiac spectra originated from deterministic dynamics are investigated. Analyzing the power spectra of a normal human heart presents His-Purkinje network, possessing a fractal like structure. Phase space trajectories are extracted from the time series graph of ECG. Lower values of fractal dimension, D indicate dynamics that are more coherent. If D has non-integer values greater than two when the system becomes chaotic or strange attractor. Recently, the development of a fast and robust method, which can be applied to multichannel physiologic signals, was reported. This manuscript investigates two different ECG systems produced from normal and abnormal human hearts to introduce an auxiliary phase space method in conjunction with ECG signals for diagnoses of heart diseases. Here, the data for each person includes two signals based on V_4 and modified lead III (MLIII) respectively. Fractal analysis method is employed on the trajectories constructed in phase space, from which the fractal dimension D is obtained using the box counting method. It is observed that, MLIII signals have larger D values than the first signals (V_4), predicting more randomness yet more information. The lowest value of D (1.708) indicates the perfect oscillation of the normal heart and the highest value of D (1.863) presents the randomness of the abnormal heart. Our significant finding is that the phase space picture presents the distribution of the peak heights from the ECG spectra, giving valuable information about heart activities in conjunction with ECG.
• Abstract（参考訳）: 心臓病は、近代的で工業化された社会における死亡の主な原因の1つであり、公衆衛生システムに高い費用がかかる。 したがって、心臓診断を改善する分析方法を開発することが重要である。 心臓の電気的活動は非線形微分方程式を用いて最初にモデル化された。 決定論的力学から生じる心スペクトルの変動について検討した。 正常なヒト心臓のパワースペクトルを分析し、フラクタルのような構造を持つHis-Purkinjeネットワークを示す。 ECGの時系列グラフから位相空間軌跡を抽出する。 フラクタル次元の低い値 D はよりコヒーレントな力学を示す。 d が 2 以上の非整数値を持つ場合、系がカオス的あるいは奇妙なアトラクタになる。 近年,多チャンネル生理学的信号に適用可能な高速で堅牢な手法の開発が報告されている。 本論文は,正常心と異常心の2種類の心電図システムについて検討し,心疾患診断のための補助相空間法と心電図信号の併用について述べる。 ここで、各人のデータは、それぞれv_4および修飾鉛iii(mliii)に基づく2つの信号を含む。 位相空間に構築された軌道に対してフラクタル解析法を用い、そこからボックスカウント法を用いてフラクタル次元Dを求める。 MLIII信号は第1信号(V_4)よりもD値が大きく、よりランダムでより多くの情報を予測する。 d (1.708) の最低値は正常心の完全振動を示し、d (1.863) の最高値は異常心のランダム性を示す。 私たちの重要な発見は、位相空間図が心電図スペクトルからのピーク高さの分布を示し、心電図と連動して心臓活動に関する貴重な情報を与えることである。

関連論文リスト

• Sequence-aware Pre-training for Echocardiography Probe Guidance [66.35766658717205]
  心臓超音波は、(1)心臓の本質的に複雑な構造、(2)重要な個人差の2つの大きな課題に直面している。 これまでの研究は、心臓のパーソナライズされた構造的特徴よりも、心臓の2Dおよび3Dの人口平均構造についてしか学ばなかった。 パーソナライズされた2次元と3次元の心構造特徴を学習するためのシーケンス認識型自己教師付き事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T12:55:54Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
  単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。 また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
  論文  参考訳（メタデータ） (2024-02-12T11:04:08Z)
• Understanding of Normal and Abnormal Hearts by Phase Space Analysis and Convolutional Neural Networks [0.0]
  彼のPurkinjeネットワークは、正常な人間の心臓のパワースペクトルを分析するのに使われている。 CNNs法はMLIIで記録されたMIT-BIHデータベースを介して44レコードに適用される。 バイナリCNN分類は、健康な心臓または不健康な心臓を決定するために用いられる。
  論文  参考訳（メタデータ） (2023-05-16T19:52:40Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Analysis of Digitalized ECG Signals Based on Artificial Intelligence and Spectral Analysis Methods Specialized in ARVC [0.0]
  不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。 心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-02-28T13:12:50Z)
• 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)
• 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)
• Classification of Arrhythmia by Using Deep Learning with 2-D ECG Spectral Image Representation [3.3426603061273994]
  本稿では,ECG信号を8つのクラスに分類するための2次元(2次元)畳み込みニューラルネットワーク(CNN)モデルを提案する。 我々は,最新の平均分類精度99.11%を達成し,同種の不整脈の分類において,最近報告した結果より優れている。
  論文  参考訳（メタデータ） (2020-05-14T12:11:41Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• HAN-ECG: An Interpretable Atrial Fibrillation Detection Model Using Hierarchical Attention Networks [15.96723122978118]
  心房細動(英: atrial fibrillation、AF)は、米国で300万人以上、世界中の3300万人以上の人の生活に影響を及ぼす最も一般的な不整脈の1つである。 本稿では,AF検出タスクに対する双方向リカレント・ニューラルネットワークに基づく解釈可能なアプローチであるHAN-ECGを提案する。
  論文  参考訳（メタデータ） (2020-02-12T22:23:06Z)

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。