論文の概要: Interpretation of Intracardiac Electrograms Through Textual Representations

• arxiv url: http://arxiv.org/abs/2402.01115v1
• Date: Fri, 2 Feb 2024 03:15:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 17:04:05.105828
• Title: Interpretation of Intracardiac Electrograms Through Textual Representations
• Title（参考訳）: テキスト表現による心内電図の解釈
• Authors: William Jongwon Han, Diana Gomez, Avi Alok, Chaojing Duan, Michael A. Rosenberg, Douglas Weber, Emerson Liu, Ding Zhao
• Abstract要約: 心房細動(AFib)の不規則な電気活動を理解することは心電図において重要な課題である。 人工知能(AI)の最近の進歩は、深層学習フレームワークを使用して、AFib中にEGMを解釈する作業を可能にしている。 本研究では,事前学習したLMを用いて,マスク付き言語モデリングによるEGMおよびAFib分類の微調整を行う。
• 参考スコア（独自算出の注目度）: 18.072035450793322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the irregular electrical activity of atrial fibrillation (AFib) has been a key challenge in electrocardiography. For serious cases of AFib, catheter ablations are performed to collect intracardiac electrograms (EGMs). EGMs offer intricately detailed and localized electrical activity of the heart and are an ideal modality for interpretable cardiac studies. Recent advancements in artificial intelligence (AI) has allowed some works to utilize deep learning frameworks to interpret EGMs during AFib. Additionally, language models (LMs) have shown exceptional performance in being able to generalize to unseen domains, especially in healthcare. In this study, we are the first to leverage pretrained LMs for finetuning of EGM interpolation and AFib classification via masked language modeling. We formulate the EGM as a textual sequence and present competitive performances on AFib classification compared against other representations. Lastly, we provide a comprehensive interpretability study to provide a multi-perspective intuition of the model's behavior, which could greatly benefit the clinical use.
• Abstract（参考訳）: 心房細動(AFib)の不規則な電気活動を理解することは心電図における重要な課題である。 重篤なAFib症例に対しては、心内電図(EGM)の収集のためにカテーテルアブレーションを行う。 EGMは、心臓の複雑な詳細で局所的な電気活動を提供し、解釈可能な心臓研究に理想的なモダリティである。 人工知能(AI)の最近の進歩は、深層学習フレームワークを使用して、AFib中にEGMを解釈する作業を可能にしている。 さらに、言語モデル(LM)は、特に医療において、目に見えない領域に一般化できるという、例外的な性能を示している。 本研究では,マスク付き言語モデリングによるEMG補間とAFib分類の微調整に事前学習したLMを初めて活用する。 テキストシーケンスとしてEGMを定式化し、他の表現と比較してAFib分類における競合性能を示す。 最後に, モデル行動の多視点的直観を提供するための総合的解釈可能性研究を行い, 臨床応用に大きな恩恵をもたらす可能性がある。

関連論文リスト

• De-biased Multimodal Electrocardiogram Analysis [20.290531515033518]
  医療分野ではMLLM(Multimodal large language model)がますます採用されている。 これまでの研究では、ECGを複数のテキストタグに変換することでこの問題に対処してきた。 本研究は,射影層を通したLCMへのECGの埋め込みを直接供給する。
  論文  参考訳（メタデータ） (2024-11-22T08:35:35Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• EEG-GPT: Exploring Capabilities of Large Language Models for EEG Classification and Interpretation [0.0]
  大規模言語モデル(LLM)の進歩を利用する脳波分類の一元化手法である脳波-GPTを提案する。 脳波-GPTは、トレーニングデータの2%しか利用していない数ショットの学習パラダイムにおいて、異常脳波から正常を分類する最先端のディープラーニング手法に匹敵する優れた性能を達成する。
  論文  参考訳（メタデータ） (2024-01-31T17:08:34Z)
• ECGBERT: Understanding Hidden Language of ECGs with Self-Supervised Representation Learning [6.0106590095197605]
  ECGBERTは、ECGの基本言語をアンロックする自己教師付き表現学習アプローチである。 我々は,ECGBERTが様々なタスクで最先端の成果を得られる可能性を実証する。
  論文  参考訳（メタデータ） (2023-06-10T04:23:08Z)
• Customizing General-Purpose Foundation Models for Medical Report Generation [64.31265734687182]
  ラベル付き医用画像-レポートペアの不足は、ディープニューラルネットワークや大規模ニューラルネットワークの開発において大きな課題となっている。 本稿では,コンピュータビジョンと自然言語処理の基盤モデル (FM) として,市販の汎用大規模事前学習モデルのカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-06-09T03:02:36Z)
• Automated Cardiovascular Record Retrieval by Multimodal Learning between Electrocardiogram and Clinical Report [28.608260758775316]
  本稿では,Large Language Models (LLM) と Vision-Transformer (ViT) モデルにおける最近のブレークスルーを活用し,ECGの解釈に新たなアプローチを導入する。 入力ECGデータに基づいて,最も類似した症例を自動的に同定する手法を提案する。 本研究は,未開発地域において診断サービスを提供する上で重要な資源となる可能性がある。
  論文  参考訳（メタデータ） (2023-04-13T06:32:25Z)
• 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)
• Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
  本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。 私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。 提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
  論文  参考訳（メタデータ） (2021-04-29T00:11:32Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。