論文の概要: Enhancing ECG Analysis of Implantable Cardiac Monitor Data: An Efficient
Pipeline for Multi-Label Classification
- arxiv url: http://arxiv.org/abs/2307.07423v1
- Date: Wed, 12 Jul 2023 12:49:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-17 13:21:58.752044
- Title: Enhancing ECG Analysis of Implantable Cardiac Monitor Data: An Efficient
Pipeline for Multi-Label Classification
- Title（参考訳）: 植込み型心臓モニターデータのecg解析 : マルチラベル分類のための効率的なパイプライン
- Authors: Amnon Bleich, Antje Linnemann, Benjamin Jaidi, Bj\"orn H Diem and Tim
OF Conrad
- Abstract要約: 植込み型心臓モニター(ICM)は、現在、移植型心臓デバイスで急速に成長している市場である。
ICMは患者の心拍リズムを常に監視し記録し、トリガーすると、医療専門家がそれをレビューできる安全なサーバーに送る。
本研究は,ICMデータの自動解析における課題と解決方法を示し,既存の手法よりも優れた分類法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Implantable Cardiac Monitor (ICM) devices are demonstrating as of today, the
fastest-growing market for implantable cardiac devices. As such, they are
becoming increasingly common in patients for measuring heart electrical
activity. ICMs constantly monitor and record a patient's heart rhythm and when
triggered - send it to a secure server where health care professionals (denote
HCPs from here on) can review it. These devices employ a relatively simplistic
rule-based algorithm (due to energy consumption constraints) to alert for
abnormal heart rhythms. This algorithm is usually parameterized to an
over-sensitive mode in order to not miss a case (resulting in relatively high
false-positive rate) and this, combined with the device's nature of constantly
monitoring the heart rhythm and its growing popularity, results in HCPs having
to analyze and diagnose an increasingly growing amount of data. In order to
reduce the load on the latter, automated methods for ECG analysis are nowadays
becoming a great tool to assist HCPs in their analysis. While state-of-the-art
algorithms are data-driven rather than rule-based, training data for ICMs often
consist of specific characteristics which make its analysis unique and
particularly challenging. This study presents the challenges and solutions in
automatically analyzing ICM data and introduces a method for its classification
that outperforms existing methods on such data. As such, it could be used in
numerous ways such as aiding HCPs in the analysis of ECGs originating from ICMs
by e.g. suggesting a rhythm type.
- Abstract（参考訳）: 植込み型心臓モニター(ICM)は、現在、移植型心臓デバイスで急速に成長している市場である。
そのため、心臓の電気活動を測定する患者ではますます一般的になりつつある。
icmsは、患者の心臓のリズムを常に監視し、記録し、トリガーすると、医療専門家(以下、hcp)がレビューできる安全なサーバーに送る。
これらのデバイスは(エネルギー消費の制約による)比較的単純なルールベースのアルゴリズムを使用して、異常な心臓のリズムを警告する。
このアルゴリズムは通常、ケースを見逃さないために過敏モードにパラメータ化され(比較的高い偽陽性率で表現される)、心臓リズムと人気の高まりを常に監視するデバイスの性質と相まって、HCPはますます増加するデータを分析して診断しなければならない。
後者の負荷を軽減するため,心電図解析の自動化手法が近年,HCPの分析を支援するための優れたツールになりつつある。
state-of-the-artアルゴリズムはルールベースではなくデータ駆動だが、icmのトレーニングデータは、分析をユニークかつ特に困難にする特定の特徴で構成されることが多い。
本研究は,ICMデータの自動解析における課題と解決方法を示し,既存の手法よりも優れた分類法を提案する。
したがって、ICMから派生したECGの分析において、例えばリズムタイプを示唆するHCPを補助するなど、様々な方法で使用することができる。
関連論文リスト
- Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。
心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。
本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文 参考訳（メタデータ） (2024-10-08T10:03:52Z) - EB-GAME: A Game-Changer in ECG Heartbeat Anomaly Detection [7.574088346030774]
本稿では, 心電図における異常信号の検出に, 正規信号のラベルのみをトレーニングデータとして用いた。
イメージをパッチに分割して学習し,自動エンコーダをマスクする自己教師型視覚変換器にヒントを得て,脳波異常検出モデルEB-GAMEを導入する。
論文 参考訳（メタデータ） (2024-04-08T13:01:59Z) - MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
心電図(Electrocardiogram、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を用いてECGレポート生成に取り組む最初の試みである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) - PulseNet: Deep Learning ECG-signal classification using random
augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。
心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。
犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文 参考訳（メタデータ） (2023-05-17T09:06:39Z) - Hierarchical Deep Learning with Generative Adversarial Network for
Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。
第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。
第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
論文 参考訳（メタデータ） (2022-10-19T12:29:05Z) - A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。
各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
論文 参考訳（メタデータ） (2022-08-29T05:01:04Z) - 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) - Improving ECG Classification Interpretability using Saliency Maps [0.0]
我々は,MIT-BIH不整脈データセットにおいて,各クラスにまたがるモデル決定を可視化する手法を提案する。
本稿では,一般化可能性やモデル性能に影響を及ぼす可能性のある問題を見つけるために,これらのマップをどのように利用できるかを強調した。
論文 参考訳（メタデータ） (2022-01-10T16:12:25Z) - 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-Based Heart Arrhythmia Diagnosis Through Attentional Convolutional
Neural Networks [9.410102957429705]
本稿では,意図に基づく畳み込みニューラルネットワーク(ABCNN)を用いて生の心電図信号に対処し,正確な不整脈検出のための情報的依存関係を自動的に抽出する手法を提案する。
我々の主な課題は、正常な心拍から不整脈を見つけ、その間に5種類の不整脈から心疾患を正確に認識することである。
実験の結果,提案するABCNNは広く使用されているベースラインよりも優れていた。
論文 参考訳（メタデータ） (2021-08-18T14:55:46Z) - 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。