論文の概要: Towards Bloodless Potassium Measurement from ECG using Neuro-Fuzzy Systems

• arxiv url: http://arxiv.org/abs/2312.16969v1
• Date: Thu, 28 Dec 2023 11:28:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 16:30:17.351589
• Title: Towards Bloodless Potassium Measurement from ECG using Neuro-Fuzzy Systems
• Title（参考訳）: ニューロファジーシステムを用いた心電図からの無血カリウム測定に向けて
• Authors: Zeynab Samandari, Seyyedeh Fatemeh Molaeezadeh
• Abstract要約: カリウム障害は一般的に無症候性で致死性があり、腎疾患や心臓病の患者によく見られる。 心電図(ECG)信号の形態はカリウムイオンの変化に非常に敏感である。 本稿では,心電図に基づくカリウム測定システムについて紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Potassium disorders are generally asymptomatic, potentially lethal, and common in patients with renal or cardiac disease. The morphology of the electrocardiogram (ECG) signal is very sensitive to the changes in potassium ions, so ECG has a high potential for detecting dyskalemias before laboratory results. In this regard, this paper introduces a new system for ECG-based potassium measurement. The proposed system consists of three main steps. First, cohort selection & data labeling were carried out by using a 5- minute interval between ECGs and potassium measurements and defining three labels: hypokalemia, normal, and hyperkalemia. After that, feature extraction & selection were performed. The extracted features are RR interval, PR interval, QRS duration, QT interval, QTc interval, P axis, QRS axis, T axis, and ACCI. Kruskal-Wallis technique was also used to assess the importance of the features and to select discriminative ones. Finally, an ANFIS model based on FCM clustering (FCM-ANFIS) was designed based on the selected features. The used database is ECG-ViEW II. Results showed that T axis compared with other features has a significant relationship with potassium levels (P<0.01, r=0.62). The absolute error of FCM-ANFIS is 0.4+-0.3 mM, its mean absolute percentage error (MAPE) is 9.99%, and its r-squared value is 0.74. Its classification accuracy is 85.71%. In detecting hypokalemia and hyperkalemia, the sensitivities are 60% and 80%, respectively, and the specificities are 100% and 97.3%, respectively. This research has shed light on the design of noninvasive instruments to measure potassium concentration and to detect dyskalemias, thereby reducing cardiac events.
• Abstract（参考訳）: カリウム障害は一般的に無症候性で致死性があり、腎疾患や心臓病の患者に多い。 心電図(ECG)信号のモルフォロジーはカリウムイオンの変化に非常に敏感であるため、心電図は実験結果より先にジスカル血症を検出する可能性がある。 本稿では,心電図に基づくカリウム測定システムについて紹介する。 提案システムは3つの主要なステップからなる。 まず,心電図とカリウム測定の5分間隔でコホート選択とデータラベリングを行い,低カリウム血症,正常,高カルシウム血症の3つのラベルを定義した。 その後,特徴抽出と選択が行われた。 抽出した特徴は、RR間隔、PR間隔、QRS期間、QT間隔、QTc間隔、P軸、QRS軸、T軸、ACCIである。 Kruskal-Wallisテクニックは、特徴の重要性を評価し、差別的なものを選択するためにも使用された。 最後に,FCMクラスタリング(FCM-ANFIS)に基づくANFISモデルの設計を行った。 使用されるデータベースはECG-ViEW IIである。 その結果, 他の特徴と比較してT軸はカリウム濃度(P<0.01, r=0.62。 FCM-ANFISの絶対誤差は0.4+0.3mM、平均絶対パーセンテージ誤差(MAPE)は9.99%、r2乗値は0.74である。 その分類精度は85.71%である。 低カリウム血症と高カルシウム血症を検出する際、感度はそれぞれ60%と80%、特異度は100%と97.3%である。 この研究は、カリウム濃度を測定し、ジスカル血症を検出するため、非侵襲的な機器の設計に光を当てた。

関連論文リスト

• An Improved Approach for Cardiac MRI Segmentation based on 3D UNet Combined with Papillary Muscle Exclusion [0.0]
  異なるフェーズにおいて、心臓構造を正確にセグメンテーションするための堅牢なアルゴリズムを開発することが重要である。 本研究では,乳頭筋を除いた心筋とLVのセグメンテーションに改良された3次元UNetモデルを導入する。 提案フレームワークの実用試験では, 合計8,400枚の心MRI画像を収集し, 解析した。
  論文  参考訳（メタデータ） (2024-10-09T12:19:58Z)
• Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population [0.5874782446136914]
  完全信号処理パイプラインを設計し、R波ピークを検出し、ECG記録からHRとHRVの特徴を10秒で計算する。 MCI患者は健常者よりも比較的高いHRを有することが観察されている。
  論文  参考訳（メタデータ） (2024-08-05T08:14:04Z)
• Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram [4.5546756241897235]
  本研究は, 心電図(PCG)データセットを用いて心拍数を推定する。 マルチタスク学習フレームワークにベストパフォーマンスモデルを拡張し、心拍数推定と大腿骨骨折検出を同時に行う。
  論文  参考訳（メタデータ） (2024-07-25T22:56:21Z)
• A Novel Deep Learning Technique for Morphology Preserved Fetal ECG Extraction from Mother ECG using 1D-CycleGAN [3.4162369786064497]
  非侵襲性胎児心電図(fECG)は、発達中の心臓の異常を容易に検出することができる。 fECGの低振幅、系統的および周囲雑音、典型的な信号抽出法は、良好なfECGを生成できない。 本手法は1D CycleGANに基づいて,mECG信号からfECG信号を再構成する。 胎児の心拍数とR-R間隔長に対するソリューションの精度は、既存の最先端技術に匹敵するものである。
  論文  参考訳（メタデータ） (2023-09-25T19:38:51Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)
• Preliminary study on the impact of EEG density on TMS-EEG classification in Alzheimer's disease [48.42347515853289]
  TMS誘発脳波反応を用いてアルツハイマー病患者を健康的なコントロールから分類する。 精度、感度、特異性はそれぞれ92.7%、96.58%、88.2%であった。
  論文  参考訳（メタデータ） (2022-05-19T20:34:04Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• Machine-Learning-Based Multiple Abnormality Prediction with Large-Scale Chest Computed Tomography Volumes [64.21642241351857]
  19,993症例から36,316巻の胸部CTデータセットを収集,解析した。 自由テキストラジオグラフィーレポートから異常ラベルを自動的に抽出するルールベース手法を開発した。 胸部CTボリュームの多臓器・多臓器分類モデルも開発した。
  論文  参考訳（メタデータ） (2020-02-12T00:59:23Z)

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。