論文の概要: Towards quantitative precision for ECG analysis: Leveraging state space
models, self-supervision and patient metadata
- arxiv url: http://arxiv.org/abs/2308.15291v1
- Date: Tue, 29 Aug 2023 13:25:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 14:07:53.300285
- Title: Towards quantitative precision for ECG analysis: Leveraging state space
models, self-supervision and patient metadata
- Title(参考訳): ecg分析の定量化に向けて : 状態空間モデル,自己スーパービジョン,患者メタデータの活用
- Authors: Temesgen Mehari, Nils Strodthoff
- Abstract要約: 自動心電図解析システムの定量的精度向上を目的とした3つの要素について検討する。
まず、構造化状態空間モデル(SSM)を用いて時系列データの長期依存関係をキャプチャする。
第2に、コントラスト予測符号化を用いた自己教師型学習が、SSMの性能をさらに向上することを示した。
最後に、ECG信号と共に基本的な統計メタデータを入力として組み込む。
- 参考スコア(独自算出の注目度): 2.0777058026628583
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep learning has emerged as the preferred modeling approach for automatic
ECG analysis. In this study, we investigate three elements aimed at improving
the quantitative accuracy of such systems. These components consistently
enhance performance beyond the existing state-of-the-art, which is
predominantly based on convolutional models. Firstly, we explore more
expressive architectures by exploiting structured state space models (SSMs).
These models have shown promise in capturing long-term dependencies in time
series data. By incorporating SSMs into our approach, we not only achieve
better performance, but also gain insights into long-standing questions in the
field. Specifically, for standard diagnostic tasks, we find no advantage in
using higher sampling rates such as 500Hz compared to 100Hz. Similarly,
extending the input size of the model beyond 3 seconds does not lead to
significant improvements. Secondly, we demonstrate that self-supervised
learning using contrastive predictive coding can further improve the
performance of SSMs. By leveraging self-supervision, we enable the model to
learn more robust and representative features, leading to improved analysis
accuracy. Lastly, we depart from synthetic benchmarking scenarios and
incorporate basic demographic metadata alongside the ECG signal as input. This
inclusion of patient metadata departs from the conventional practice of relying
solely on the signal itself. Remarkably, this addition consistently yields
positive effects on predictive performance. We firmly believe that all three
components should be considered when developing next-generation ECG analysis
algorithms.
- Abstract(参考訳): ディープラーニングは自動心電図解析のためのモデリング手法として好まれている。
本研究では,これらのシステムの量的精度向上を目的とした3つの要素について検討する。
これらのコンポーネントは、主に畳み込みモデルに基づく既存の最先端以上のパフォーマンスを一貫して向上させる。
まず、構造化状態空間モデル(SSM)を利用して、より表現力のあるアーキテクチャを探索する。
これらのモデルでは、時系列データの長期的な依存関係を捉えることが期待されている。
SSMを我々のアプローチに組み込むことで、より良いパフォーマンスを達成するだけでなく、この分野における長年の質問に対する洞察を得ることができます。
具体的には、標準的な診断タスクでは、500Hzなどのサンプリングレートを100Hzと比較しても利点がない。
同様に、モデルの入力サイズを3秒を超えて拡張しても、大きな改善は起こらない。
次に,コントラスト型予測符号化を用いた自己教師付き学習により,ssmsの性能がさらに向上することを示す。
自己スーパービジョンを活用することで、モデルがより堅牢で代表的な特徴を学習し、分析精度が向上する。
最後に、総合的なベンチマークシナリオから離脱し、ECG信号と共に基本的な統計メタデータを入力として組み込む。
この患者メタデータの包含は、信号自体にのみ依存する従来の慣行から外れている。
注目すべきは、この追加が常に予測性能にポジティブな影響をもたらすことだ。
我々は,次世代のECG分析アルゴリズムを開発する際には,これら3つのコンポーネントが考慮されるべきであると考えている。
関連論文リスト
- Development and Comparative Analysis of Machine Learning Models for Hypoxemia Severity Triage in CBRNE Emergency Scenarios Using Physiological and Demographic Data from Medical-Grade Devices [0.0]
グラディエントブースティングモデル(GBM)は、トレーニング速度、解釈可能性、信頼性の点で、シーケンシャルモデルを上回った。
タイムリーな介入のために5分間の予測ウィンドウが選択された。
本研究は、トリアージを改善し、アラーム疲労を軽減するMLの可能性を強調した。
論文 参考訳(メタデータ) (2024-10-30T23:24:28Z) - DyG-Mamba: Continuous State Space Modeling on Dynamic Graphs [59.434893231950205]
動的グラフ学習は、現実世界のシステムにおける進化の法則を明らかにすることを目的としている。
動的グラフ学習のための新しい連続状態空間モデルDyG-Mambaを提案する。
我々はDyG-Mambaがほとんどのデータセットで最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2024-08-13T15:21:46Z) - On Machine Learning Approaches for Protein-Ligand Binding Affinity Prediction [2.874893537471256]
本研究では,タンパク質-リガンド結合親和性予測における古典的木モデルと高度なニューラルネットワークの性能を評価する。
2次元モデルと3次元モデルを組み合わせることで、現在の最先端のアプローチを超えて、アクティブな学習結果が向上することを示す。
論文 参考訳(メタデータ) (2024-07-15T13:06:00Z) - S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である
これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。
本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-22T11:40:49Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Unsupervised Pre-Training Using Masked Autoencoders for ECG Analysis [4.3312979375047025]
本稿では、心電図(ECG)信号のためのマスク付きオートエンコーダ(MAE)に基づく教師なし事前トレーニング手法を提案する。
さらに、ECG分析のための完全なフレームワークを形成するためのタスク固有の微調整を提案する。
フレームワークは高レベルで普遍的で、特定のモデルアーキテクチャやタスクに個別に適応していない。
論文 参考訳(メタデータ) (2023-10-17T11:19:51Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳(メタデータ) (2023-06-13T12:43:59Z) - On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model,
Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。
我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文 参考訳(メタデータ) (2023-04-19T11:07:43Z) - Advancing the State-of-the-Art for ECG Analysis through Structured State
Space Models [3.822543555265593]
本研究は、最近導入された構造化状態空間モデル(SSM)をECG分析に特に有望なアプローチとして適用する可能性を探るものである。
このアプローチがECG分類の最先端よりも大幅に改善されていることを実証する。
モデルが長期依存を捕捉する能力は、最適なサンプリングレートやウィンドウサイズといった文学における長年の疑問に光を当て、分類モデルを訓練することを可能にする。
論文 参考訳(メタデータ) (2022-11-14T18:01:13Z) - Latent Temporal Flows for Multivariate Analysis of Wearables Data [0.9990687944474738]
本稿では,この設定に適した時系列の多変量モデリング手法であるLatent Temporal Flowsを紹介する。
提案手法は,マルチステップ予測ベンチマークにおいて常に最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2022-10-14T02:54:34Z) - Pre-training via Denoising for Molecular Property Prediction [53.409242538744444]
本稿では,3次元分子構造の大規模データセットを平衡に利用した事前学習手法について述べる。
近年のノイズレギュラー化の進展に触発されて, 事前学習の目的は, 雑音の除去に基づくものである。
論文 参考訳(メタデータ) (2022-05-31T22:28:34Z)
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。