論文の概要: ECG-QA: A Comprehensive Question Answering Dataset Combined With
Electrocardiogram
- arxiv url: http://arxiv.org/abs/2306.15681v2
- Date: Sun, 24 Sep 2023 09:43:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-27 02:01:12.020385
- Title: ECG-QA: A Comprehensive Question Answering Dataset Combined With
Electrocardiogram
- Title(参考訳): ECG-QA:心電図と総合的質問応答データ
- Authors: Jungwoo Oh, Gyubok Lee, Seongsu Bae, Joon-myoung Kwon, Edward Choi
- Abstract要約: ECG-QAは、ECG分析用に特別に設計された最初のデータセットである。
データセットには70の質問テンプレートが含まれており、幅広い臨床関連ECGトピックをカバーしている。
我々のデータセットには、異なる2つのECGの比較分析を必要とするものを含む、多様なECG解釈質問が含まれている。
- 参考スコア(独自算出の注目度): 12.167108953668464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Question answering (QA) in the field of healthcare has received much
attention due to significant advancements in natural language processing.
However, existing healthcare QA datasets primarily focus on medical images,
clinical notes, or structured electronic health record tables. This leaves the
vast potential of combining electrocardiogram (ECG) data with these systems
largely untapped. To address this gap, we present ECG-QA, the first QA dataset
specifically designed for ECG analysis. The dataset comprises a total of 70
question templates that cover a wide range of clinically relevant ECG topics,
each validated by an ECG expert to ensure their clinical utility. As a result,
our dataset includes diverse ECG interpretation questions, including those that
require a comparative analysis of two different ECGs. In addition, we have
conducted numerous experiments to provide valuable insights for future research
directions. We believe that ECG-QA will serve as a valuable resource for the
development of intelligent QA systems capable of assisting clinicians in ECG
interpretations. Dataset URL: https://github.com/Jwoo5/ecg-qa
- Abstract(参考訳): 医療分野における質問応答(QA)は,自然言語処理の進歩により注目されている。
しかし、既存の医療QAデータセットは主に医療画像、臨床ノート、構造化された電子健康記録表に焦点を当てている。
このことは、心電図(ECG)データをこれらのシステムに組み込む大きな可能性を残している。
このギャップに対処するため,ECG分析用に設計された最初のQAデータセットであるECG-QAを提案する。
データセットには70の質問テンプレートが含まれており、それぞれがECGの専門家によって臨床的有用性を保証するために検証されている。
その結果、我々のデータセットは2つの異なるECGの比較分析を必要とするものを含む多様なECG解釈質問を含んでいる。
また,今後の研究に有用な知見を提供するために,数多くの実験を行った。
我々は,心電図の解釈において臨床医を支援する知的QAシステムの開発において,心電図QAが貴重な資源となると考えている。
データセットURL:https://github.com/Jwoo5/ecg-qa
関連論文リスト
- Electrocardiogram Instruction Tuning for Report Generation [42.69952949416674]
心電図(ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。
最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。
LLMとマルチモーダル命令によるECGレポート生成に対処するMultimodal ECG Instruction Tuning(MEIT)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-07T23:20:56Z) - ETP: Learning Transferable ECG Representations via ECG-Text Pre-training [10.856365645831728]
ECG-Text Pre-training (ETP)は、ECG信号とテキストレポートをリンクするクロスモーダル表現を学習するために設計された革新的なフレームワークである。
ETPはECGエンコーダと事前訓練された言語モデルを使用して、ECG信号を対応するテキストレポートと整合させる。
論文 参考訳(メタデータ) (2023-09-06T19:19:26Z) - Unlocking the Diagnostic Potential of ECG through Knowledge Transfer
from Cardiac MRI [6.257859765229826]
本稿では,CMR画像からECG埋め込みへドメイン固有情報を転送する,自己監督型コントラスト手法を提案する。
本手法は,マルチモーダルコントラスト学習とマスク付きデータモデリングを組み合わせることで,心電図データのみから全体的心臓検診を可能にする。
論文 参考訳(メタデータ) (2023-08-09T10:05:11Z) - A Review on Knowledge Graphs for Healthcare: Resources, Applications,
and Promises [53.48844796428081]
この研究は、医療知識グラフ(HKG)の最初の包括的なレビューを提供する。
HKG構築のためのパイプラインと重要なテクニックを要約し、一般的な利用方法も示す。
アプリケーションレベルでは、さまざまなヘルスドメインにわたるHKGの正常な統合を検討します。
論文 参考訳(メタデータ) (2023-06-07T21:51:56Z) - Automated Cardiovascular Record Retrieval by Multimodal Learning between
Electrocardiogram and Clinical Report [28.608260758775316]
本稿では,Large Language Models (LLM) と Vision-Transformer (ViT) モデルにおける最近のブレークスルーを活用し,ECGの解釈に新たなアプローチを導入する。
入力ECGデータに基づいて,最も類似した症例を自動的に同定する手法を提案する。
本研究は,未開発地域において診断サービスを提供する上で重要な資源となる可能性がある。
論文 参考訳(メタデータ) (2023-04-13T06:32:25Z) - Text-to-ECG: 12-Lead Electrocardiogram Synthesis conditioned on Clinical
Text Reports [6.659609788411503]
本稿では,ECG出力を生成するためにテキスト入力を使用するテキスト・ツー・ECGタスクを提案する。
本稿では,12個の心電図を合成する自動回帰生成モデルAuto-TTEを提案する。
論文 参考訳(メタデータ) (2023-03-09T11:58:38Z) - ME-GAN: Learning Panoptic Electrocardio Representations for Multi-view
ECG Synthesis Conditioned on Heart Diseases [24.52989747071257]
本稿では,ME-GAN と呼ばれる多視点心電図合成のための疾患認識型生成対向ネットワークを提案する。
心臓疾患の心電図は特定の波形に局所化されることが多いため,適切な場所に病情報を正確に注入する「ミックスアップ正規化」を提案する。
総合的な実験により,ME-GANは多視点ECG信号合成において信頼性の高いモルビッド表現を用いて良好に機能することが確認された。
論文 参考訳(メタデータ) (2022-07-21T14:14:02Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳(メタデータ) (2022-03-12T15:24:03Z) - 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) - 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) - 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。