論文の概要: ConFormer: A Novel Collection of Deep Learning Models to Assist
Cardiologists in the Assessment of Cardiac Function
- arxiv url: http://arxiv.org/abs/2312.08567v2
- Date: Wed, 10 Jan 2024 23:36:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-13 02:55:27.629017
- Title: ConFormer: A Novel Collection of Deep Learning Models to Assist
Cardiologists in the Assessment of Cardiac Function
- Title(参考訳): ConFormer: 心臓機能評価における心臓科医を支援するための新しい深層学習モデル
- Authors: Ethan Thomas, Salman Aslam
- Abstract要約: 本稿では,心エコーによるEFおよび左室壁厚推定の自動化を目的とした新しい深層学習モデルであるConFormerを提案する。
ConFormerの実装は、コスト効率が高く、アクセシブルで、包括的な心臓健康モニタリングを可能にすることで、予防的心臓学を強化する可能性を秘めている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Cardiovascular diseases, particularly heart failure, are a leading cause of
death globally. The early detection of heart failure through routine
echocardiogram screenings is often impeded by the high cost and labor-intensive
nature of these procedures, a barrier that can mean the difference between life
and death. This paper presents ConFormer, a novel deep learning model designed
to automate the estimation of Ejection Fraction (EF) and Left Ventricular Wall
Thickness from echocardiograms. The implementation of ConFormer has the
potential to enhance preventative cardiology by enabling cost-effective,
accessible, and comprehensive heart health monitoring, thereby saving countless
lives. The source code is available at https://github.com/Aether111/ConFormer.
- Abstract(参考訳): 心臓血管疾患、特に心不全は、世界中で主要な死因である。
定期的な心エコー検査による心不全の早期発見は、これらの処置のコストと労働集約性によってしばしば妨げられ、これは生命と死の違いを意味する。
本稿では,心エコー法による射出率(ef)と左室壁厚の推定を自動化した新しい深層学習モデルであるconformerを提案する。
ConFormerの実装は、コスト効率が高く、アクセシビリティが高く、包括的な心臓健康モニタリングを可能にし、無数の命を救うことによって、予防的心臓病を増強する可能性がある。
ソースコードはhttps://github.com/aether111/conformerで入手できる。
関連論文リスト
- Echocardiogram Foundation Model -- Application 1: Estimating Ejection
Fraction [2.4164193358532438]
心エコー基礎モデルであるエコーAIを導入し,150万個の心エコーを用いて自己教師付き学習(SSL)を用いて訓練した。
我々は,EchoAIを微調整し,平均絶対パーセンテージ誤差を9.40%と評価した。
論文 参考訳(メタデータ) (2023-11-21T13:00:03Z) - Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳(メタデータ) (2023-10-24T02:56:05Z) - Semantic-aware Temporal Channel-wise Attention for Cardiac Function
Assessment [69.02116920364311]
既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。
本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。
提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
論文 参考訳(メタデータ) (2023-10-09T05:57:01Z) - Tracking Anything in Heart All at Once [31.097611118600163]
心筋運動追跡は心血管疾患(CVD)の予防と検出に不可欠な臨床ツールである
現在の技術は、空間次元と時間次元の両方において、心筋の不完全かつ不正確な運動推定に苦しむ。
本稿では, 心臓の3次元構造と包括的6次元前/後方運動をモデル化するためのニューラル心運動場(ニューラルCMF)について紹介する。
論文 参考訳(メタデータ) (2023-10-04T13:11:20Z) - M(otion)-mode Based Prediction of Ejection Fraction using
Echocardiograms [13.112371567924802]
心エコー図のM(otion)モードを用いて左室流出率(EF)を推定し,心筋症を分類する。
心エコー図から複数の人工Mモード画像を生成し,既製のモデルアーキテクチャを用いて組み合わせる。
実験の結果,教師付き設定は10モードで収束し,ベースライン法に匹敵することがわかった。
論文 参考訳(メタデータ) (2023-09-07T15:00:58Z) - 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) - A dynamic risk score for early prediction of cardiogenic shock using
machine learning [15.597400667978913]
心筋梗塞と心不全は、米国の何百万人もの人に影響を及ぼす主要な心血管疾患である。
心原性ショックの早期認識は重要である。
心原性ショックの発症を予測するため,心ICUに入院した患者を対象に,深層学習に基づくリスク階層化ツールCShockを開発した。
論文 参考訳(メタデータ) (2023-03-22T20:05:22Z) - Improved Cardiac Arrhythmia Prediction Based on Heart Rate Variability
Analysis [0.0]
心室頻拍、心室細動、発作性心房細動が最も一般的で危険な不整脈である。
本論文は, 心不整脈を非生命的な心的事象と区別するための新しい不整脈検出法と予測法を提案する。
論文 参考訳(メタデータ) (2022-06-07T12:14:05Z) - ECGDetect: Detecting Ischemia via Deep Learning [0.0]
RCE-ECG-Detectは、心筋虚血に伴うST変化における形態パターンを検出する機械学習モデルである。
我々のディープニューラルネットワークモデルは畳み込み層を備え、90.31%のROC-AUC、89.34%の感度、87.81%の特異性が得られる。
論文 参考訳(メタデータ) (2020-09-28T11:57:26Z) - A Robust Interpretable Deep Learning Classifier for Heart Anomaly
Detection Without Segmentation [37.70077538403524]
心音分類の先行段階として, 心音分節の重要性を論じる。
次に,心臓の異常音検出のための頑健な分類器を提案する。
我々の新しい分類器はまた、広く使われているPhyloNetデータセットでほぼ100%の精度で、堅牢で安定しており、最も重要な説明が可能であることも示されています。
論文 参考訳(メタデータ) (2020-05-21T06:36:28Z)
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。