論文の概要: Using explainable AI to investigate electrocardiogram changes during healthy aging -- from expert features to raw signals
- arxiv url: http://arxiv.org/abs/2310.07463v2
- Date: Mon, 22 Apr 2024 15:04:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 00:32:58.007615
- Title: Using explainable AI to investigate electrocardiogram changes during healthy aging -- from expert features to raw signals
- Title（参考訳）: 説明可能なAIを用いた健常成人の心電図変化の解明 - 専門的特徴から生信号まで-
- Authors: Gabriel Ott, Yannik Schaubelt, Juan Miguel Lopez Alcaraz, Wilhelm Haverkamp, Nils Strodthoff,
- Abstract要約: 我々は、さまざまな年齢の健康な個人の頑健なデータセットからECGデータを分析するために、ディープラーニングモデルとツリーベースモデルを用いています。
木系分類器を用いて解析したところ, 年齢による呼吸速度の低下がみられた。
これらの発見は、年齢に関するECGの変化に新たな光を当て、従来の機能ベースのアプローチを超越した洞察を与えました。
- 参考スコア（独自算出の注目度）: 0.8108972030676012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular diseases remain the leading global cause of mortality. Age is an important covariate whose effect is most easily investigated in a healthy cohort to properly distinguish the former from disease-related changes. Traditionally, most of such insights have been drawn from the analysis of electrocardiogram (ECG) feature changes in individuals as they age. However, these features, while informative, may potentially obscure underlying data relationships. In this paper we present the following contributions: (1) We employ a deep-learning model and a tree-based model to analyze ECG data from a robust dataset of healthy individuals across varying ages in both raw signals and ECG feature format. (2) We use explainable AI methods to identify the most discriminative ECG features across age groups.(3) Our analysis with tree-based classifiers reveals age-related declines in inferred breathing rates and identifies notably high SDANN values as indicative of elderly individuals, distinguishing them from younger adults. (4) Furthermore, the deep-learning model underscores the pivotal role of the P-wave in age predictions across all age groups, suggesting potential changes in the distribution of different P-wave types with age. These findings shed new light on age-related ECG changes, offering insights that transcend traditional feature-based approaches.
- Abstract（参考訳）: 心臓血管疾患が世界的な死因となっている。
年齢は、健康なコホートにおいて最も容易に研究され、前者と疾患関連の変化を適切に区別する重要な共変数である。
伝統的に、このような知見のほとんどは、心電図(ECG)の年齢変化の分析から得られたものである。
しかし、これらの機能は情報的ではあるが、潜在的なデータ関係が曖昧になる可能性がある。
本稿では,(1) 生信号と心電図の特徴形式の両方において, 年齢の異なる健康な個人の頑健なデータセットから心電図データを解析するために, ディープラーニングモデルとツリーベースモデルを用いる。
2) 年齢層別で最も差別的な心電図の特徴を特定するために, 説明可能なAI手法を用いる。
3) 木系分類器を用いた分析により, 推定呼吸速度の年齢関連低下が明らかとなり, SDANN値が高いことが高齢者の指標となり, 若年者と区別されることがわかった。
さらに, 深層学習モデルでは, 全年齢群における年齢予測におけるP波の役割が明らかになり, 年齢による異なるP波の分布の変化が示唆された。
これらの発見は、年齢に関するECGの変化に新たな光を当て、従来の機能ベースのアプローチを超越した洞察を与えました。
関連論文リスト
- Personalized Heart Disease Detection via ECG Digital Twin Generation [12.652722066483172]
心臓病は世界的死亡の主な原因の1つである。
パーソナライズされた心臓疾患検出のための革新的な予測学習手法を提案する。
当社のアプローチは、患者のデータを保護し、堅牢なプライバシ保護を保証する。
論文 参考訳（メタデータ） (2024-04-17T08:40:54Z) - Large-scale Training of Foundation Models for Wearable Biosignals [1.8291790356553643]
バイオシグナーの追跡は、健康の監視と重度の医療疾患の予防に不可欠である。
ウェアラブルと既存のデジタルバイオマーカーにもかかわらず、ラベル付きデータの欠如は、新しいバイオマーカーの開発を妨げる。
我々は、フォトムーブメントと心電図という2つの一般的な生体信号の基礎モデルを訓練する。
論文 参考訳（メタデータ） (2023-12-08T23:44:34Z) - GeoECG: Data Augmentation via Wasserstein Geodesic Perturbation for
Robust Electrocardiogram Prediction [20.8603653664403]
本稿では,心電図信号に基づく心疾患検出の堅牢性を高めるために,生理学的に着想を得たデータ拡張手法を提案する。
我々は、ワッサーシュタイン空間の測地線に沿った他のクラスに対してデータ分布を摂動することで、拡張されたサンプルを得る。
12個の心電図信号から学習し,心臓状態の5つのカテゴリを識別できる。
論文 参考訳（メタデータ） (2022-08-02T03:14:13Z) - Task-oriented Self-supervised Learning for Anomaly Detection in
Electroencephalography [51.45515911920534]
タスク指向型自己教師型学習手法を提案する。
大きなカーネルを持つ特定の2つの分岐畳み込みニューラルネットワークを特徴抽出器として設計する。
効果的に設計され、訓練された特徴抽出器は、より優れた特徴表現を脳波から抽出できることが示されている。
論文 参考訳（メタデータ） (2022-07-04T13:15:08Z) - Assessing the Performance of Automated Prediction and Ranking of Patient
Age from Chest X-rays Against Clinicians [4.795478287106675]
深層学習は、胸部X線から患者の年齢を正確に推定することを可能にしている。
本稿では,放射線科医と最先端のディープラーニングモデルの比較研究について述べる。
我々は,脳卒中患者の年齢による1.8M胸部X線の異種データベースを用いてモデルを訓練し,モデル精度の限界について検討した。
論文 参考訳（メタデータ） (2022-07-04T10:09:48Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z) - 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) - Variational Knowledge Distillation for Disease Classification in Chest
X-Rays [102.04931207504173]
我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。
提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
論文 参考訳（メタデータ） (2021-03-19T14:13:56Z) - Age-Net: An MRI-Based Iterative Framework for Brain Biological Age
Estimation [18.503467872057424]
生物学的年齢(BA)の概念は、主に明確に定義された基準基準が欠如していることから理解するのが困難である。
臓器特異的BA推定のための新しい画像ベースフレームワークを提案する。
論文 参考訳（メタデータ） (2020-09-22T19:04:02Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。