Fugu-MT 論文翻訳(概要): Heart Sound Segmentation Using Deep Learning Techniques

論文の概要: Heart Sound Segmentation Using Deep Learning Techniques

arxiv url: http://arxiv.org/abs/2406.05653v1
Date: Sun, 9 Jun 2024 05:30:05 GMT
ステータス: 処理完了
システム内更新日: 2024-06-11 18:46:42.917781
Title: Heart Sound Segmentation Using Deep Learning Techniques
Title（参考訳）: 深層学習技術を用いた心臓音のセグメンテーション
Authors: Manas Madine,
Abstract要約: 本稿では,S1 (LUB) とS2 (DUB) に心音区分けと分類を行う新しい手法を提案する。我々は、FFTに基づくフィルタリング、イベント検出のための動的プログラミング、ロバストな分類のためのSiameseネットワークを採用している。本手法は,既存手法と比較して,PASCALの心臓音響データセットに優れた性能を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Heart disease remains a leading cause of mortality worldwide. Auscultation, the process of listening to heart sounds, can be enhanced through computer-aided analysis using Phonocardiogram (PCG) signals. This paper presents a novel approach for heart sound segmentation and classification into S1 (LUB) and S2 (DUB) sounds. We employ FFT-based filtering, dynamic programming for event detection, and a Siamese network for robust classification. Our method demonstrates superior performance on the PASCAL heart sound dataset compared to existing approaches.
Abstract（参考訳）: 心臓病は世界中で死に至る主要な原因である。心電図(Phonocardiogram, PCG)信号を用いたコンピュータ支援分析により, 心音の聴取過程が向上する。本稿では,S1 (LUB) とS2 (DUB) に心音区分けと分類を行う新しい手法を提案する。我々は、FFTに基づくフィルタリング、イベント検出のための動的プログラミング、ロバストな分類のためのSiameseネットワークを採用している。本手法は,既存手法と比較して,PASCALの心臓音響データセットに優れた性能を示す。

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)
PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文参考訳（メタデータ） (2023-05-17T09:06:39Z)
A Comprehensive Survey on Heart Sound Analysis in the Deep Learning Era [54.53921568420471]
心血管疾患の早期スクリーニングにおける臨床応用として, 心臓音聴診が有用である。ディープラーニングは多くの研究分野で古典的な機械学習よりも優れています。
論文参考訳（メタデータ） (2023-01-23T10:58:45Z)
Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
本研究では,新しいセグメンテーションフリー心音分類法を提案する。具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
論文参考訳（メタデータ） (2021-08-09T16:09:30Z)
Heart Sound Classification Considering Additive Noise and Convolutional Distortion [2.63046959939306]
異常検出のための心臓音の自動解析は、加算雑音とセンサ依存劣化の課題に直面している。本研究の目的は, 心音に両種類の歪みが存在する場合に, 心的異常検出問題に対処する手法を開発することである。提案手法は, 安価な聴診器を用いて, ノイズの多い環境下で, コンピュータ支援型心臓聴診システムを開発するための道を開くものである。
論文参考訳（メタデータ） (2021-06-03T14:09:04Z)
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)
Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。第2段階は、心拍を幅または幅に分類する分類NNである。第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
論文参考訳（メタデータ） (2020-11-17T16:15:49Z)
A Robust Interpretable Deep Learning Classifier for Heart Anomaly Detection Without Segmentation [37.70077538403524]
心音分類の先行段階として, 心音分節の重要性を論じる。次に,心臓の異常音検出のための頑健な分類器を提案する。我々の新しい分類器はまた、広く使われているPhyloNetデータセットでほぼ100%の精度で、堅牢で安定しており、最も重要な説明が可能であることも示されています。
論文参考訳（メタデータ） (2020-05-21T06:36:28Z)
Classification of Arrhythmia by Using Deep Learning with 2-D ECG Spectral Image Representation [3.3426603061273994]
本稿では,ECG信号を8つのクラスに分類するための2次元(2次元)畳み込みニューラルネットワーク(CNN)モデルを提案する。我々は,最新の平均分類精度99.11%を達成し,同種の不整脈の分類において,最近報告した結果より優れている。
論文参考訳（メタデータ） (2020-05-14T12:11:41Z)
Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-04-02T02:09:11Z)

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。