論文の概要: Multi-modal Heart Failure Risk Estimation based on Short ECG and Sampled Long-Term HRV
- arxiv url: http://arxiv.org/abs/2403.15408v1
- Date: Fri, 1 Mar 2024 01:16:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:04:05.210739
- Title: Multi-modal Heart Failure Risk Estimation based on Short ECG and Sampled Long-Term HRV
- Title（参考訳）: 短心電図と長期HRVを用いたマルチモーダル心不全リスク推定
- Authors: Sergio González, Abel Ko-Chun Yi, Wan-Ting Hsieh, Wei-Chao Chen, Chun-Li Wang, Victor Chien-Chia Wu, Shang-Hung Chang,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.1040040536783637
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cardiovascular diseases, including Heart Failure (HF), remain a leading global cause of mortality, often evading early detection. In this context, accessible and effective risk assessment is indispensable. Traditional approaches rely on resource-intensive diagnostic tests, typically administered after the onset of symptoms. The widespread availability of electrocardiogram (ECG) technology and the power of Machine Learning are emerging as viable alternatives within smart healthcare. In this paper, we propose several multi-modal approaches that combine 30-second ECG recordings and approximate long-term Heart Rate Variability (HRV) data to estimate the risk of HF hospitalization. We introduce two survival models: an XGBoost model with Accelerated Failure Time (AFT) incorporating comprehensive ECG features and a ResNet model that learns from the raw ECG. We extend these with our novel long-term HRVs extracted from the combination of ultra-short-term beat-to-beat measurements taken over the day. To capture their temporal dynamics, we propose a survival model comprising ResNet and Transformer architectures (TFM-ResNet). Our experiments demonstrate high model performance for HF risk assessment with a concordance index of 0.8537 compared to 14 survival models and competitive discrimination power on various external ECG datasets. After transferability tests with Apple Watch data, our approach implemented in the myHeartScore App offers cost-effective and highly accessible HF risk assessment, contributing to its prevention and management.
- Abstract（参考訳）: 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。
この文脈では、アクセス可能で効果的なリスク評価は不可欠である。
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。
心電図(ECG)技術の普及と機械学習のパワーは、スマートヘルスケアにおいて実行可能な代替手段として浮上している。
本稿では,30秒間の心電図記録とHRV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。
我々は、総合的なECG機能を組み込んだXGBoostモデル(AFT)と生ECGから学習するResNetモデルという2つの生存モデルを紹介した。
本研究は, 当日測定した超短寿命ビート・ビート・ビート・ビート・ビート・ビート・計測の組み合わせから抽出した, 新たな長期HRVを用いて拡張する。
本稿では,ResNet と Transformer アーキテクチャ (TFM-ResNet) を組み合わせたサバイバルモデルを提案する。
実験では,14個の生存モデルと各種外部ECGデータセットの競合判別能力と比較して,0.8537のコンコーダンス指標を用いたHFリスク評価における高いモデル性能を示す。
Apple Watchのデータによる転送性テストの後、myHeartScore Appで実装された我々のアプローチは、コスト効率が高くアクセス性の高いHFリスクアセスメントを提供し、その防止と管理に寄与します。
関連論文リスト
- FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。
機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。
本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文 参考訳（メタデータ） (2024-10-28T02:24:01Z) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳（メタデータ） (2024-10-18T12:37:51Z) - 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) - Large Language Model-informed ECG Dual Attention Network for Heart Failure Risk Prediction [9.823423993036055]
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。
論文 参考訳（メタデータ） (2024-03-15T13:25:09Z) - A Compact LSTM-SVM Fusion Model for Long-Duration Cardiovascular
Diseases Detection [0.0]
世界的には、心臓血管疾患(CVD)が主な死因であり、毎年1790万人が死亡している。
重要な臨床目的の1つは、心電図(ECG)データによるCVDの早期検出である。
機械学習とディープラーニングに基づく最近の進歩は、この分野において大きな進歩を遂げている。
論文 参考訳（メタデータ） (2023-11-20T10:57:11Z) - 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) - A Novel real-time arrhythmia detection model using YOLOv8 [0.0]
本研究は,在宅における心電図(ECG)のリアルタイム不整脈検出の可能性を明らかにするものである。
我々は,MIT-BIH不整脈データセットを微調整した損失修正型YOLOv8モデルを導入し,リアルタイム連続監視を実現する。
我々の研究は、リアルタイム不整脈検出の可能性を示し、ユーザーが自宅の快適さの中でモデル出力を視覚的に解釈できるようにする。
論文 参考訳（メタデータ） (2023-05-26T08:27:09Z) - Hierarchical Deep Learning with Generative Adversarial Network for
Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。
第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。
第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
論文 参考訳（メタデータ） (2022-10-19T12:29:05Z) - Towards Personalized Healthcare in Cardiac Population: The Development
of a Wearable ECG Monitoring System, an ECG Lossy Compression Schema, and a
ResNet-Based AF Detector [19.706400613998703]
心房細動(AF)は通常、心電図(ECG)を用いて診断される。
本書では、ウェアラブルECGデバイス、モバイルアプリケーション、バックエンドサーバを具現化したパーソナライズされた医療システムの設計と実装について述べる。
論文 参考訳（メタデータ） (2022-07-11T19:08:46Z) - 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) - 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。