Fugu-MT 論文翻訳(概要): Large Language Model-informed ECG Dual Attention Network for Heart Failure Risk Prediction

論文の概要: Large Language Model-informed ECG Dual Attention Network for Heart Failure Risk Prediction

arxiv url: http://arxiv.org/abs/2403.10581v2
Date: Fri, 22 Mar 2024 16:00:24 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 21:41:26.752558
Title: Large Language Model-informed ECG Dual Attention Network for Heart Failure Risk Prediction
Title（参考訳）: 心不全リスク予測のための大言語モデルインフォームドECGデュアルアテンションネットワーク
Authors: Chen Chen, Lei Li, Marcel Beetz, Abhirup Banerjee, Ramneek Gupta, Vicente Grau,
Abstract要約: 心不全(HF)は、世界的な死亡率の上昇とともに、公衆衛生上の大きな課題となる。 12誘導心電図(ECG)を用いた新しいHFリスク予測手法を提案する。本稿では, 早期HFリスク予測に不可欠な複雑なECG特徴を捉えるために設計された, 軽量なデュアルアテンションECGネットワークを提案する。
参考スコア（独自算出の注目度）: 9.823423993036055
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Heart failure (HF) poses a significant public health challenge, with a rising global mortality rate. Early detection and prevention of HF could significantly reduce its impact. We introduce a novel methodology for predicting HF risk using 12-lead electrocardiograms (ECGs). We present a novel, lightweight dual-attention ECG network designed to capture complex ECG features essential for early HF risk prediction, despite the notable imbalance between low and high-risk groups. This network incorporates a cross-lead attention module and twelve lead-specific temporal attention modules, focusing on cross-lead interactions and each lead's local dynamics. To further alleviate model overfitting, we leverage a large language model (LLM) with a public ECG-Report dataset for pretraining on an ECG-report alignment task. The network is then fine-tuned for HF risk prediction using two specific cohorts from the UK Biobank study, focusing on patients with hypertension (UKB-HYP) and those who have had a myocardial infarction (UKB-MI).The results reveal that LLM-informed pre-training substantially enhances HF risk prediction in these cohorts. The dual-attention design not only improves interpretability but also predictive accuracy, outperforming existing competitive methods with C-index scores of 0.6349 for UKB-HYP and 0.5805 for UKB-MI. This demonstrates our method's potential in advancing HF risk assessment with clinical complex ECG data.
Abstract（参考訳）: 心不全(HF)は、世界的な死亡率の上昇とともに、公衆衛生上の大きな課題となる。 HFの早期検出と予防は、その影響を著しく減少させる可能性がある。 12誘導心電図(ECG)を用いた新しいHFリスク予測手法を提案する。我々は,低リスク群と高リスク群との顕著な不均衡にもかかわらず,早期のHFリスク予測に不可欠な複雑なECG特徴を捉えるために設計された,より軽量なデュアルアテンションECGネットワークを提案する。このネットワークには、クロスリードアテンションモジュールと12のリード固有の時間アテンションモジュールが含まれており、クロスリードインタラクションと各リードの局所ダイナミクスに焦点を当てている。モデルオーバーフィッティングをさらに緩和するため,大規模言語モデル(LLM)とパブリックECG-Reportデータセットを併用して,ECG-Reportアライメントタスクの事前トレーニングを行う。このネットワークは、高血圧(UKB-HYP)患者と心筋梗塞(UKB-MI)患者の2つの特定のコホートを用いて、HFリスク予測のために微調整される。その結果,LLMインフォームドプレトレーニングはこれらのコホートにおけるHFリスク予測を著しく向上させることがわかった。二重アテンション設計は解釈可能性だけでなく予測精度も向上し、既存のCインデックススコアはUKB-HYPが0.6349、UKB-MIが0.5805である。本研究は, 臨床複雑な心電図データを用いたHFリスクアセスメントの進展を示すものである。

関連論文リスト

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)
ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
論文参考訳（メタデータ） (2024-09-19T06:14:30Z)
Multi-modal Heart Failure Risk Estimation based on Short ECG and Sampled Long-Term HRV [2.1040040536783637]
心臓不全(HF)を含む心臓血管疾患は、早期発見を回避し、世界的死亡率の高い原因となっている。従来のアプローチはリソース集約的な診断テストに依存しており、通常は症状の発症後に投与される。本稿では,30秒間の心電図記録と長期心拍変動データを組み合わせてHF入院リスクを推定するマルチモーダル手法を提案する。
論文参考訳（メタデータ） (2024-03-01T01:16:27Z)
Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文参考訳（メタデータ） (2023-10-24T11:34:15Z)
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)
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)
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 Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
論文参考訳（メタデータ） (2021-02-02T19:51:12Z)
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)

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。