論文の概要: PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation
Detection via Attention-based Deep State-Space Modeling
- arxiv url: http://arxiv.org/abs/2309.15375v2
- Date: Tue, 30 Jan 2024 22:13:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 17:41:14.181531
- Title: PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation
Detection via Attention-based Deep State-Space Modeling
- Title(参考訳): 注意に基づく心房細動検出のためのppg-ecg信号変換
- Authors: Khuong Vo, Mostafa El-Khamy, Yoojin Choi
- Abstract要約: 光胸腺撮影(PPG)は、非侵襲的で低コストな光学的手法を用いて心臓生理学を計測する。
ECGとPSGは強く相関するが、後者は重要な臨床診断値を提供していない。
本稿では,主観非依存の注意に基づく深部状態空間モデルを提案し,PSG信号を対応するECG波形に変換する。
- 参考スコア(独自算出の注目度): 13.057411517848166
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An electrocardiogram (ECG or EKG) is a medical test that measures the heart's
electrical activity. ECGs are often used to diagnose and monitor a wide range
of heart conditions, including arrhythmias, heart attacks, and heart failure.
On the one hand, the conventional ECG requires clinical measurement, which
restricts its deployment to medical facilities. On the other hand, single-lead
ECG has become popular on wearable devices using administered procedures. An
alternative to ECG is Photoplethysmography (PPG), which uses non-invasive,
low-cost optical methods to measure cardiac physiology, making it a suitable
option for capturing vital heart signs in daily life. As a result, it has
become increasingly popular in health monitoring and is used in various
clinical and commercial wearable devices. While ECG and PPG correlate strongly,
the latter does not offer significant clinical diagnostic value. Here, we
propose a subject-independent attention-based deep state-space model to
translate PPG signals to corresponding ECG waveforms. The model is highly
data-efficient by incorporating prior knowledge in terms of probabilistic
graphical models. Notably, the model enables the detection of atrial
fibrillation (AFib), the most common heart rhythm disorder in adults, by
complementing ECG's accuracy with continuous PPG monitoring. We evaluated the
model on 55 subjects from the MIMIC III database. Quantitative and qualitative
experimental results demonstrate the effectiveness and efficiency of our
approach.
- Abstract(参考訳): 心電図(Electrocardiogram、ECG、EKG)は、心臓の電気活動を測定する検査である。
心電図は、不整脈、心臓発作、心不全など、幅広い心臓疾患の診断と監視にしばしば用いられる。
一方、従来のECGは臨床検査を必要としており、医療施設への配備を制限する。
一方、シングルリードECGは、管理手順を用いてウェアラブルデバイスで普及している。
ECGの代替品は、非侵襲的で低コストな光学手法を用いて心臓生理を計測し、日常生活において重要な心臓の兆候を捉えるのに適した選択であるフォトプレチスモグラフィ(PPG)である。
その結果、健康モニタリングにおいて人気が高まり、様々な臨床および商用ウェアラブルデバイスで使用されている。
ECGとPSGは強く相関するが、後者は重要な臨床診断値を提供していない。
本稿では,主観非依存の注意に基づく深部状態空間モデルを提案し,PSG信号を対応するECG波形に変換する。
このモデルは、確率的グラフィカルモデルの観点から事前知識を組み込むことで、データ効率が高い。
このモデルにより、心電図の精度を連続PSGモニタリングで補完することにより、成人で最も一般的な心房細動(AFib)の検出が可能になる。
55名の被験者を対象にMIMIC IIIデータベースを用いて評価を行った。
定量的および定性的な実験結果は,本手法の有効性と有効性を示すものである。
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) - ECGformer: Leveraging transformer for ECG heartbeat arrhythmia
classification [0.0]
不整脈または不整脈とも呼ばれる不整脈は不整脈を指す。
深層学習は、様々な医学的課題に取り組む際、例外的な能力を示した。
我々は心電図データに現れる様々な不整脈の分類のためのECGformerモデルを開発した。
論文 参考訳(メタデータ) (2024-01-06T06:14:48Z) - ECG-SL: Electrocardiogram(ECG) Segment Learning, a deep learning method
for ECG signal [19.885905393439014]
本稿では,ECG信号の周期的性質をモデル化する新しいECG-Segment Based Learning (ECG-SL) フレームワークを提案する。
この構造的特徴に基づき, 時間的モデルを用いて, 各種臨床業務の時間的情報学習を行う。
提案手法はベースラインモデルより優れ,3つの臨床応用におけるタスク固有手法と比較して競争性能が向上する。
論文 参考訳(メタデータ) (2023-10-01T23:17:55Z) - Digital twinning of cardiac electrophysiology models from the surface
ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。
その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。
パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文 参考訳(メタデータ) (2023-08-16T14:57:12Z) - 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) - 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) - 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) - 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) - Identifying Electrocardiogram Abnormalities Using a
Handcrafted-Rule-Enhanced Neural Network [18.859487271034336]
我々は、深層学習に基づく心電図解析に臨床知識を提供するために、畳み込みニューラルネットワークにいくつかのルールを導入する。
我々の新しいアプローチは、既存の最先端の手法をかなり上回っている。
論文 参考訳(メタデータ) (2022-06-16T04:42:57Z) - CardioGAN: Attentive Generative Adversarial Network with Dual
Discriminators for Synthesis of ECG from PPG [25.305949034527202]
心電図(Electrocardiogram、ECG)は、心臓活動の電気的測定である。
光胸腺X線写真(英: Photoplethysmogram, PPG)は、血液循環の変化の光学的測定である。
本稿では、PSGを入力とし、ECGを出力として生成する逆モデルであるCardioGANを提案する。
論文 参考訳(メタデータ) (2020-09-30T20:49:30Z) - 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。