論文の概要: Optimizing Medication Decisions for Patients with Atrial Fibrillation
through Path Development Network
- arxiv url: http://arxiv.org/abs/2401.10014v1
- Date: Thu, 18 Jan 2024 14:31:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-19 16:37:16.918494
- Title: Optimizing Medication Decisions for Patients with Atrial Fibrillation
through Path Development Network
- Title(参考訳): 心房細動に対するパス開発ネットワークによる薬効判定の最適化
- Authors: Tian Xie
- Abstract要約: 心房細動(英: atrial fibrillation、AF)は、心房の急激な収縮と不規則な収縮を特徴とする一般的な不整脈である。
本研究では,AF患者に抗凝固療法を推奨すべきかどうかを予測する機械学習アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 4.682776828229116
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Atrial fibrillation (AF) is a common cardiac arrhythmia characterized by
rapid and irregular contractions of the atria. It significantly elevates the
risk of strokes due to slowed blood flow in the atria, especially in the left
atrial appendage, which is prone to blood clot formation. Such clots can
migrate into cerebral arteries, leading to ischemic stroke. To assess whether
AF patients should be prescribed anticoagulants, doctors often use the
CHA2DS2-VASc scoring system. However, anticoagulant use must be approached with
caution as it can impact clotting functions. This study introduces a machine
learning algorithm that predicts whether patients with AF should be recommended
anticoagulant therapy using 12-lead ECG data. In this model, we use STOME to
enhance time-series data and then process it through a Convolutional Neural
Network (CNN). By incorporating a path development layer, the model achieves a
specificity of 30.6% under the condition of an NPV of 1. In contrast, LSTM
algorithms without path development yield a specificity of only 2.7% under the
same NPV condition.
- Abstract(参考訳): 心房細動(英: atrial fibrillation,AF)は、心房の急激な収縮を特徴とする一般的な不整脈である。
房室の血流が遅くなることによる脳卒中リスクが著しく高まり、特に左心房の付属物では血栓形成が起こりやすい。
このような血栓は脳動脈に移行し、脳卒中を引き起こす。
AF患者が所定の抗凝固剤であるかどうかを評価するために、医師はしばしばCHA2DS2-VAScスコアシステムを使用する。
しかし、凝固機能に影響を及ぼす可能性があるため、抗凝固剤の使用には注意が必要である。
本研究は,12誘導心電図データを用いた抗凝固療法を推奨すべきかどうかを予測する機械学習アルゴリズムを提案する。
このモデルでは、STOMEを用いて時系列データを拡張し、畳み込みニューラルネットワーク(CNN)を介して処理する。
経路発達層を組み込むことで、NPV1の条件下で30.6%の特異性が得られる。
対照的に、LSTMアルゴリズムはパス開発を含まないため、同じNPV条件下では2.7%の特異性しか得られない。
関連論文リスト
- Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。
この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
論文 参考訳(メタデータ) (2024-09-24T13:33:46Z) - Predicting Heart Failure with Attention Learning Techniques Utilizing Cardiovascular Data [7.476028372444458]
心臓血管疾患では、心臓不全は死の主な原因の1つであり、また世界中の患者の長期的苦痛でもある。
本研究では,EHR(Electronic Health Record)心血管データ(射出率,血清クレアチニン)に注意学習に基づく心不全予測手法を提案する。
提案手法は,LSTMアプローチのような既存の最先端技術と比較して,心不全の予測に極めて効果的である。
論文 参考訳(メタデータ) (2024-07-11T08:33:42Z) - ECG Classification System for Arrhythmia Detection Using Convolutional Neural Networks [0.0]
本研究では, 畳み込みニューラルネットワーク(CNN)アルゴリズムを用いた深層学習(DL)パイプライン技術を用いて, 患者の心血管性喉頭不整脈を検出する。
その結果, 提案した戦略は, 98.2%の精度で15,000の症例を分類した。
論文 参考訳(メタデータ) (2023-03-07T05:48:28Z) - Building Brains: Subvolume Recombination for Data Augmentation in Large
Vessel Occlusion Detection [56.67577446132946]
この戦略をデータから学ぶためには、標準的なディープラーニングベースのモデルに対して、大規模なトレーニングデータセットが必要である。
そこで本研究では, 異なる患者から血管木セグメントを組換えることで, 人工的なトレーニングサンプルを生成する方法を提案する。
拡張スキームに則って,タスク固有の入力を入力した3D-DenseNetを用いて,半球間の比較を行う。
論文 参考訳(メタデータ) (2022-05-05T10:31:57Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - 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) - A Deep Learning Approach to Predicting Collateral Flow in Stroke
Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。
実際のグレーティングは主に、取得した画像の手動検査によって行われる。
MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-10-24T18:58:40Z) - 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) - 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)
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。