論文の概要: Unlocking the Diagnostic Potential of ECG through Knowledge Transfer
from Cardiac MRI
- arxiv url: http://arxiv.org/abs/2308.05764v1
- Date: Wed, 9 Aug 2023 10:05:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 16:03:18.590912
- Title: Unlocking the Diagnostic Potential of ECG through Knowledge Transfer
from Cardiac MRI
- Title(参考訳): 心臓MRIからの知識伝達による心電図診断の可能性
- Authors: \"Ozg\"un Turgut, Philip M\"uller, Paul Hager, Suprosanna Shit, Sophie
Starck, Martin J. Menten, Eimo Martens, Daniel Rueckert
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 6.257859765229826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The electrocardiogram (ECG) is a widely available diagnostic tool that allows
for a cost-effective and fast assessment of the cardiovascular health. However,
more detailed examination with expensive cardiac magnetic resonance (CMR)
imaging is often preferred for the diagnosis of cardiovascular diseases. While
providing detailed visualization of the cardiac anatomy, CMR imaging is not
widely available due to long scan times and high costs. To address this issue,
we propose the first self-supervised contrastive approach that transfers
domain-specific information from CMR images to ECG embeddings. Our approach
combines multimodal contrastive learning with masked data modeling to enable
holistic cardiac screening solely from ECG data. In extensive experiments using
data from 40,044 UK Biobank subjects, we demonstrate the utility and
generalizability of our method. We predict the subject-specific risk of various
cardiovascular diseases and determine distinct cardiac phenotypes solely from
ECG data. In a qualitative analysis, we demonstrate that our learned ECG
embeddings incorporate information from CMR image regions of interest. We make
our entire pipeline publicly available, including the source code and
pre-trained model weights.
- Abstract(参考訳): 心電図(Electrocardiogram、ECG)は、心臓血管の健康を低コストかつ迅速に評価できる診断ツールである。
しかし, 心血管疾患の診断には, より詳細な心磁気共鳴(CMR)画像検査が好まれる。
心臓解剖を詳細に視覚化する一方、CMR画像は長期のスキャン時間と高コストのために広くは利用できない。
そこで本研究では,CMR画像からECG埋め込みへドメイン固有情報を転送する,自己教師付きコントラスト方式を提案する。
マルチモーダルコントラスト学習とマスキングデータモデリングを組み合わせることにより、心電図データのみから総合的な心臓スクリーニングを可能にする。
40,044人の英国バイオバンクの被験者のデータを用いた広範囲な実験において,本手法の有用性と一般化性を実証した。
各種心血管疾患の被検者固有のリスクを予測し,心電図データのみから異なる心臓表現型を決定する。
定性的分析では、学習したECG埋め込みが関心のあるCMR画像領域からの情報を組み込むことを示した。
ソースコードやトレーニング済みモデルの重みなど、パイプライン全体を公開しています。
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) - 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) - Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly
Detection [33.48389041651675]
心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。
希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。
本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
論文 参考訳(メタデータ) (2023-08-03T09:16:57Z) - 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) - 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) - 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) - 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) - 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) - 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) - Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。
我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。
提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文 参考訳(メタデータ) (2020-04-02T02:09:11Z)
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。