論文の概要: ECG-Image-Kit: A Synthetic Image Generation Toolbox to Facilitate Deep
Learning-Based Electrocardiogram Digitization
- arxiv url: http://arxiv.org/abs/2307.01946v3
- Date: Fri, 26 Jan 2024 18:59:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-29 18:26:32.805269
- Title: ECG-Image-Kit: A Synthetic Image Generation Toolbox to Facilitate Deep
Learning-Based Electrocardiogram Digitization
- Title(参考訳): ECG-Image-Kit: 深層学習に基づく心電図デジタル化を実現する合成画像生成ツールボックス
- Authors: Kshama Kodthalu Shivashankara, Deepanshi, Afagh Mehri Shervedani, Gari
D. Clifford, Matthew A. Reyna, Reza Sameni
- Abstract要約: 本稿では,時系列データからリアルなアーティファクトを用いて合成ECG画像を生成するオープンソースツールボックスであるECG-Image-Kitを紹介する。
畳み込み畳み込みニューラルネットワーク(DnCNN)ベースのモデルを開発し、この合成データセットに基づいて訓練した。
その結果,11.17 +/-9.19 dBの平均信号回復SNRが示され,深層学習モデルのトレーニングにおいて,合成ECG画像データセットの重要性が示唆された。
- 参考スコア(独自算出の注目度): 3.4579920352329787
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce ECG-Image-Kit, an open-source toolbox for generating synthetic
ECG images with realistic artifacts from time-series data, and showcase its
application in developing algorithms for data augmentation and ECG image
digitization. Synthetic data is generated by producing distortionless ECG
images on a standard ECG paper background. Subsequently, various distortions,
including handwritten text artifacts, wrinkles, creases, and perspective
transformations, are applied to these ECG images. The artifacts and text are
synthetically generated, excluding personally identifiable information. The
toolbox is used for data augmentation in the 2024 PhysioNet Challenge on
Digitization and Classification of ECG Images.
As a case study, we employed ECG-Image-Kit to create an ECG image dataset of
21,801 records from the PhysioNet QT database. A denoising convolutional neural
network (DnCNN)-based model was developed and trained on this synthetic dataset
and used to convert the synthetically generated images back into time-series
data for evaluation. SNR was calculated to assess the quality of image
digitization compared to the ground truth ECG time-series. The results show an
average signal recovery SNR of 11.17 +/- 9.19 dB, indicating the synthetic ECG
image dataset's significance for training deep learning models. For clinical
evaluation, we measured the error between the estimated and ground-truth
time-series data's RR and QT-intervals. The accuracy of the estimated RR and
QT-intervals also suggests that the respective clinical parameters are
maintained. These results demonstrate the effectiveness of a deep
learning-based pipeline in accurately digitizing paper ECGs and highlight a
generative approach to digitization.
- Abstract(参考訳): 時系列データからリアルなアーティファクトを用いて合成ECG画像を生成するオープンソースツールボックスであるECG-Image-Kitを導入し、データ拡張とECG画像のデジタル化のためのアルゴリズムの開発においてその応用を実証する。
標準ECG紙の背景に歪みのないECG画像を生成して合成データを生成する。
その後、これらのecg画像に手書きのテキストアーティファクト、しわ、折り目、視点変換など様々な歪みが適用される。
人工物とテキストは合成され、個人識別可能な情報を除く。
このツールボックスは、ecg画像のデジタル化と分類に関する2024年のphysionet challengeのデータ拡張に使われる。
ケーススタディでは、PhyloNet QTデータベースから、ECG-Image-Kitを用いて21,801レコードのECGイメージデータセットを作成しました。
合成データセットをベースとしたデノイング畳み込みニューラルネットワーク(DnCNN)に基づくモデルを開発し,合成した画像を時系列データに変換して評価を行った。
画像のデジタル化の質を評価するため,SNRを算出した。
その結果,11.17 +/-9.19 dBの平均信号回復SNRが示され,深層学習モデルのトレーニングにおいて,合成ECG画像データセットの重要性が示唆された。
臨床評価のために, 推定時系列データと地上時系列データのRRとQT間隔の誤差を測定した。
推定rrおよびqt-intervalsの精度は,各臨床パラメータが維持されていることを示唆する。
これらの結果は,紙ECGの正確なデジタル化における深層学習パイプラインの有効性を示し,デジタル化に対する生成的アプローチを強調した。
関連論文リスト
- Deep Learning Models for Arrhythmia Classification Using Stacked
Time-frequency Scalogram Images from ECG Signals [4.659427498118277]
本稿では,心電図に基づく不整脈分類のためのAI自動分類システムを提案する。
深層学習に基づく解法は心電図に基づく不整脈分類のために提案されている。
論文 参考訳(メタデータ) (2023-12-01T03:16:32Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - 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) - Auto Lead Extraction and Digitization of ECG Paper Records using cGAN [0.23624125155742054]
ECG信号は一般に紙形式で格納されるため、データの保存と分析が困難になる。
12個の心電図画像から12個の鉛を個別に抽出する深層学習モデルを提案する。
また,紙ECGフォーマットを保存可能なデジタルフォーマットに変換する手法を提案する。
論文 参考訳(メタデータ) (2022-11-12T18:36:29Z) - Leveraging Statistical Shape Priors in GAN-based ECG Synthesis [3.3482093430607267]
本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。
本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号の合成を行う。
以上の結果から,ECG信号の時間的・振幅的変動を2次元形状としてモデル化した手法は,最先端のGANベースの生成ベースラインと比較して,より現実的な信号を生成することがわかった。
論文 参考訳(メタデータ) (2022-10-22T18:06:11Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - 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) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳(メタデータ) (2020-09-01T19:17:46Z) - DENS-ECG: A Deep Learning Approach for ECG Signal Delineation [15.648061765081264]
本稿では,心拍のリアルタイムセグメンテーションのためのディープラーニングモデルを提案する。
提案アルゴリズムはDENS-ECGアルゴリズムと呼ばれ、畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)モデルを組み合わせたものである。
論文 参考訳(メタデータ) (2020-05-18T13:13:41Z) - 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。