Fugu-MT 論文翻訳(概要): Masked Transformer for Electrocardiogram Classification

論文の概要: Masked Transformer for Electrocardiogram Classification

arxiv url: http://arxiv.org/abs/2309.07136v3
Date: Tue, 23 Apr 2024 01:39:28 GMT
ステータス: 処理完了
システム内更新日: 2024-04-24 20:04:56.876507
Title: Masked Transformer for Electrocardiogram Classification
Title（参考訳）: 心電図分類のためのマスク変圧器
Authors: Ya Zhou, Xiaolin Diao, Yanni Huo, Yang Liu, Xiaohan Fan, Wei Zhao,
Abstract要約: MTECG(Masked Transformer for ECG classification)は、ECG分類における最新の最先端アルゴリズムを著しく上回る、単純かつ効果的な手法である。 220,251個の心電図記録と広範囲の診断を行い,医療専門家が注釈を付した不破井データセットを構築した。
参考スコア（独自算出の注目度）: 7.229662895786343
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electrocardiogram (ECG) is one of the most important diagnostic tools in clinical applications. With the advent of advanced algorithms, various deep learning models have been adopted for ECG tasks. However, the potential of Transformer for ECG data has not been fully realized, despite their widespread success in computer vision and natural language processing. In this work, we present Masked Transformer for ECG classification (MTECG), a simple yet effective method which significantly outperforms recent state-of-the-art algorithms in ECG classification. Our approach adapts the image-based masked autoencoders to self-supervised representation learning from ECG time series. We utilize a lightweight Transformer for the encoder and a 1-layer Transformer for the decoder. The ECG signal is split into a sequence of non-overlapping segments along the time dimension, and learnable positional embeddings are added to preserve the sequential information. We construct the Fuwai dataset comprising 220,251 ECG recordings with a broad range of diagnoses, annotated by medical experts, to explore the potential of Transformer. A strong pre-training and fine-tuning recipe is proposed from the empirical study. The experiments demonstrate that the proposed method increases the macro F1 scores by 3.4%-27.5% on the Fuwai dataset, 9.9%-32.0% on the PTB-XL dataset, and 9.4%-39.1% on a multicenter dataset, compared to the alternative methods. We hope that this study could direct future research on the application of Transformer to more ECG tasks.
Abstract（参考訳）: 心電図(ECG)は臨床応用において最も重要な診断ツールの一つである。高度なアルゴリズムの出現に伴い、ECGタスクに様々なディープラーニングモデルが採用されている。しかし、コンピュータビジョンや自然言語処理で広く成功したにもかかわらず、ECGデータに対するTransformerの可能性は完全には実現されていない。本稿では,ECG分類における最新の最先端アルゴリズムを著しく上回る簡易かつ効果的な手法であるMasked Transformer for ECG Classification (MTECG)を提案する。提案手法は,画像ベースのマスク付きオートエンコーダをECG時系列からの自己教師付き表現学習に適用する。我々は、エンコーダに軽量トランスフォーマー、デコーダに1層トランスフォーマーを利用する。 ECG信号を時間次元に沿って重複しないセグメントのシーケンスに分割し、シーケンシャル情報を保存するために学習可能な位置埋め込みを追加する。本研究では,220,251個の心電図記録を医療専門家が注釈した広い範囲の診断で構成し,Transformerの可能性を探るため,布井データセットを構築した。実証実験から, 優れた事前学習と微調整のレシピを提案する。実験により,提案手法は,フウェーデータセットで3.4%-27.5%,TB-XLデータセットで9.9%-32.0%,マルチセンタデータセットで9.4%-39.1%のマクロF1スコアを,代替手法と比較して増加させた。本研究は今後,より多くのECGタスクへのTransformerの適用について研究を進めていくことを期待する。

関連論文リスト

ECG-FM: An Open Electrocardiogram Foundation Model [3.611746032873298]
本稿では,ECG分析のためのオープン基盤モデルであるECG-FMを提案する。 ECG-FMはトランスフォーマーベースのアーキテクチャを採用し、250万のサンプルで事前訓練されている。文脈情報のコマンドが強靭なパフォーマンス、豊富な事前学習された埋め込み、信頼性のある解釈可能性をもたらすことを示す。
論文参考訳（メタデータ） (2024-08-09T17:06:49Z)
EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文参考訳（メタデータ） (2023-10-24T02:37:49Z)
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)
Focused Decoding Enables 3D Anatomical Detection by Transformers [64.36530874341666]
集束デコーダと呼ばれる3次元解剖学的構造検出のための新しい検出変換器を提案する。 Focused Decoderは、解剖学的領域のアトラスからの情報を活用して、クエリアンカーを同時にデプロイし、クロスアテンションの視野を制限する。提案手法を利用可能な2つのCTデータセットに対して評価し、フォーカスドデコーダが強力な検出結果を提供するだけでなく、大量の注釈付きデータの必要性を軽減し、注意重みによる結果の例外的で直感的な説明性を示すことを示した。
論文参考訳（メタデータ） (2022-07-21T22:17:21Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
Performer: A Novel PPG to ECG Reconstruction Transformer For a Digital Biomarker of Cardiovascular Disease Detection [0.0]
心臓血管疾患(CVD)は死因の上位1つとなり、これらの死亡の4分の3は低所得層で発生している。心電図 (ECG) は, ユーザ参加の必要性から, 連続心臓モニタリングには有効ではない。フォトプレチスモグラフィーは容易に収集できるが、精度の制限により臨床応用は制限される。
論文参考訳（メタデータ） (2022-04-25T17:10:13Z)
Learning ECG Representations based on Manipulated Temporal-Spatial Reverse Detection [11.615287369669971]
本稿では,ECG表現を学習する上で,単純だが効果的な手法を提案する。 ECGの時間的特性と空間的特性にインスパイアされ、元の信号を水平に、垂直に、そして水平に、そして垂直に、それぞれ反転させる。その結果,本手法で学習したECG表現は,下流タスクにおいて顕著な性能を示すことがわかった。
論文参考訳（メタデータ） (2022-02-25T02:01:09Z)
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)
A Transformer Architecture for Stress Detection from ECG [7.559720049837459]
本稿では、畳み込み層に基づくディープニューラルネットワークと、ECG信号を用いたストレス検出のためのトランスフォーマー機構を提案する。実験の結果,提案手法は心電図に基づくストレス検出のための最先端モデルに匹敵する,あるいは優れた結果が得られることがわかった。
論文参考訳（メタデータ） (2021-08-22T14:34:44Z)
Robustness of convolutional neural networks to physiological ECG noise [0.0]
心電図(ECG)は、医療において最も普及している診断ツールの一つであり、心血管疾患の診断を支援する。深層学習法は、心電図信号から障害の徴候を検出する手法として成功し、普及している。生理的ECGノイズを含む様々な要因に対するこれらの手法の堅牢性には、オープンな疑問がある。我々は、SPAR(Symmetric Projection Attractor Reconstruction)と頭蓋骨画像変換を適用する前に、ECGデータセットのクリーンでノイズの多いバージョンを生成する。事前訓練された畳み込みニューラルネットワークは、これらの画像変換を分類するために転送学習を用いて訓練される。
論文参考訳（メタデータ） (2021-08-02T08:16:32Z)
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。