Fugu-MT 論文翻訳(概要): End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG by Deep Neural Networks

論文の概要: End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG by Deep Neural Networks

arxiv url: http://arxiv.org/abs/2309.16335v1
Date: Thu, 28 Sep 2023 10:47:40 GMT
ステータス: 処理完了
システム内更新日: 2023-09-29 14:58:16.446195
Title: End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG by Deep Neural Networks
Title（参考訳）: ディープニューラルネットワークによる12レベル心電図からの心房細動の終末リスク予測
Authors: Theogene Habineza, Ant\^onio H. Ribeiro, Daniel Gedon, Joachim A. Behar, Antonio Luiz P. Ribeiro, Thomas B. Sch\"on
Abstract要約: 心房細動(英: atrial fibrillation、AF)は、毎年何百万人もの人に影響を及ぼす心不整脈の1つである。機械学習手法は心電図からAFの発生リスクを評価する上で有望な結果を示している。
参考スコア（独自算出の注目度）: 1.4064206416094476
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Background: Atrial fibrillation (AF) is one of the most common cardiac arrhythmias that affects millions of people each year worldwide and it is closely linked to increased risk of cardiovascular diseases such as stroke and heart failure. Machine learning methods have shown promising results in evaluating the risk of developing atrial fibrillation from the electrocardiogram. We aim to develop and evaluate one such algorithm on a large CODE dataset collected in Brazil. Results: The deep neural network model identified patients without indication of AF in the presented ECG but who will develop AF in the future with an AUC score of 0.845. From our survival model, we obtain that patients in the high-risk group (i.e. with the probability of a future AF case being greater than 0.7) are 50% more likely to develop AF within 40 weeks, while patients belonging to the minimal-risk group (i.e. with the probability of a future AF case being less than or equal to 0.1) have more than 85% chance of remaining AF free up until after seven years. Conclusion: We developed and validated a model for AF risk prediction. If applied in clinical practice, the model possesses the potential of providing valuable and useful information in decision-making and patient management processes.
Abstract（参考訳）: 背景:心房細動(AF)は、毎年何百万人もの人に影響を及ぼす最も一般的な心不整脈の1つであり、脳卒中や心不全などの心血管疾患のリスクの増加と密接に関連している。機械学習は心電図から心房細動の発生リスクを評価する有望な結果を示している。ブラジルで収集した大規模コードデータセット上で,このようなアルゴリズムを開発し,評価することを目的とする。結果: ディープニューラルネットワークモデルでは, 提示された心電図でAFを示さずに, AUCスコア0.845で今後AFを発症する患者を同定した。生存モデルから,高リスク群(将来のAF症例の確率0.7以上)の患者は40週間以内にAFを発症する可能性が50%高く,低リスク群(将来のAF症例の確率0.1以下)の患者は7年後までAFを解放する確率が85%以上あることが明らかとなった。結論: AFリスク予測モデルの開発と検証を行った。臨床に応用すれば、このモデルは意思決定や患者管理プロセスにおいて価値のある情報を提供する可能性がある。

関連論文リスト

Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
論文参考訳（メタデータ） (2024-03-27T16:56:14Z)
Predicting risk of cardiovascular disease using retinal OCT imaging [40.71667870702634]
将来性心血管疾患(CVD)の予知法としての光コヒーレンス断層撮影の可能性について検討した。我々は,変分オートエンコーダ(VAE)に基づく自己教師型ディープラーニング手法を用いて,高次元 OCT 画像の低次元表現を学習した。 OCT画像で見られる脈絡膜層は,新しいモデル説明可能性アプローチを用いて,今後のCVD事象の予測因子として同定された。
論文参考訳（メタデータ） (2024-03-26T14:42:46Z)
Development of Automated Neural Network Prediction for Echocardiographic Left ventricular Ejection Fraction [36.58987036154144]
本稿では,深層ニューラルネットワークとアンサンブル学習に基づく新しいパイプライン手法を提案する。この手法は,10,030個の心エコー図を含むオープンソースデータセットを用いて開発,検証した。本研究では、LVEFの自動ニューラルネットワークに基づく計算が、心収縮機能のフレーム・バイ・フレーム手動評価を行う専門医に匹敵することを示した。
論文参考訳（メタデータ） (2024-03-18T18:09:22Z)
Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。診断成績は臨床医の成績と比較した。臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
論文参考訳（メタデータ） (2023-02-02T08:45:17Z)
Predicting adverse outcomes following catheter ablation treatment for atrial fibrillation [2.202746751854349]
AFに対するカテーテルアブレーション治療後の予後予測モデルを構築した。伝統的および深層生存モデルは、大きな出血、心不全、脳卒中、心停止、死の複合を予測するために訓練された。
論文参考訳（メタデータ） (2022-11-22T02:55:51Z)
SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文参考訳（メタデータ） (2022-04-20T17:28:08Z)
Performance of multilabel machine learning models and risk stratification schemas for predicting stroke and bleeding risk in patients with non-valvular atrial fibrillation [22.45448597986172]
マルチラベル勾配押し上げ機は、脳卒中、大出血、死亡に最適な識別力を与えた。モデルでは、それぞれの結果に対して追加のリスク特徴(ヘモグロビンレベル、腎機能など)を同定した。
論文参考訳（メタデータ） (2022-02-02T15:15:03Z)
Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
心房細動(Atrial Fibrillation,AF)は心臓不整脈である。畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
論文参考訳（メタデータ） (2022-01-14T10:09:01Z)
Machine Learning Methods for Identifying Atrial Fibrillation Cases and Their Predictors in Patients With Hypertrophic Cardiomyopathy: The HCM-AF-Risk Model [0.3904666078483698]
肥大型心筋症 (HCM) は心房細動の頻度が高く, 脳卒中リスクが高い。我々は、データ駆動型機械学習に基づく手法を開発し応用し、AFの事例を識別する。我々のモデルは,HCM における AF 症例の同定のための,最初の機械学習に基づく手法である。
論文参考訳（メタデータ） (2021-09-19T20:00:49Z)
Development of an accessible 10-year Digital CArdioVAscular (DiCAVA) risk assessment: a UK Biobank study [0.46180371154032895]
目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
論文参考訳（メタデータ） (2021-04-20T16:01:50Z)
Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。