論文の概要: Multi-Channel Masked Autoencoder and Comprehensive Evaluations for Reconstructing 12-Lead ECG from Arbitrary Single-Lead ECG
- arxiv url: http://arxiv.org/abs/2407.11481v1
- Date: Tue, 16 Jul 2024 08:17:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 16:02:34.121352
- Title: Multi-Channel Masked Autoencoder and Comprehensive Evaluations for Reconstructing 12-Lead ECG from Arbitrary Single-Lead ECG
- Title(参考訳): マルチチャネルマスク付きオートエンコーダと任意単値心電図からの12レベル心電図再構成のための総合的評価
- Authors: Jiarong Chen, Wanqing Wu, Tong Liu, Shenda Hong,
- Abstract要約: 本研究では,実シングルリードECGから12リードECGを再構成するためのマルチチャネルマスク付きオートエンコーダ(MCMA)を提案する。
実験の結果,生成した信号と実信号の可視化結果から,提案手法の有効性が示された。
本研究は,信号レベル,特徴レベル,診断レベル評価を含む総合評価ベンチマークECGGenEvalを紹介する。
- 参考スコア(独自算出の注目度): 19.74009541199362
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the context of cardiovascular diseases (CVD) that exhibit an elevated prevalence and mortality, the electrocardiogram (ECG) is a popular and standard diagnostic tool for doctors, commonly utilizing a 12-lead configuration in clinical practice. However, the 10 electrodes placed on the surface would cause a lot of inconvenience and discomfort, while the rapidly advancing wearable devices adopt the reduced-lead or single-lead ECG to reduce discomfort as a solution in long-term monitoring. Since the single-lead ECG is a subset of 12-lead ECG, it provides insufficient cardiac health information and plays a substandard role in real-world healthcare applications. Hence, it is necessary to utilize signal generation technologies to reduce their clinical importance gap by reconstructing 12-lead ECG from the real single-lead ECG. Specifically, this study proposes a multi-channel masked autoencoder (MCMA) for this goal. In the experimental results, the visualized results between the generated and real signals can demonstrate the effectiveness of the proposed framework. At the same time, this study introduces a comprehensive evaluation benchmark named ECGGenEval, encompassing the signal-level, feature-level, and diagnostic-level evaluations, providing a holistic assessment of 12-lead ECG signals and generative model. Further, the quantitative experimental results are as follows, the mean square errors of 0.0178 and 0.0658, correlation coefficients of 0.7698 and 0.7237 in the signal-level evaluation, the average F1-score with two generated 12-lead ECG is 0.8319 and 0.7824 in the diagnostic-level evaluation, achieving the state-of-the-art performance. The open-source code is publicly available at \url{https://github.com/CHENJIAR3/MCMA}.
- Abstract(参考訳): 心血管疾患(CVD)では、心電図(ECG)は医師にとって一般的で標準的な診断ツールである。
しかし、表面に置かれた10個の電極は、多くの不便と不快を招き、急速に進歩するウェアラブルデバイスは、長期監視におけるソリューションとしての不快感を軽減するために、リードまたはシングルリードのECGを採用する。
シングルリードECGは12リードECGのサブセットであるため、心臓の健康情報が不十分であり、現実世界の医療応用においてサブスタンダードの役割を担っている。
したがって、信号生成技術を用いて、実際の単誘導心電図から12リード心電図を再構成することにより、臨床的重要性のギャップを低減する必要がある。
具体的には,マルチチャネルマスク付きオートエンコーダ(MCMA)を提案する。
実験の結果,生成した信号と実信号の可視化結果から,提案手法の有効性が示された。
同時に、信号レベル、特徴レベル、診断レベルの評価を包含する総合評価ベンチマークECGGenEvalを導入し、12リードのECG信号と生成モデルを総合評価する。
さらに, 信号レベル評価における平均平方誤差0.0178, 0.0658, 相関係数0.7698, 0.7237, 診断レベル評価における平均F1スコア0.8319, 0.7824である。
オープンソースコードは \url{https://github.com/CHENJIAR3/MCMA} で公開されている。
関連論文リスト
- ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction [1.7894680263068135]
心筋梗塞の診断にはECG--NETが有用である。
OMIは1つ以上の冠動脈の完全閉塞を特徴とする重度の心臓発作である。
OMI症例の3分の2は、12誘導心電図から視覚的に識別することが困難である。
論文 参考訳(メタデータ) (2024-05-08T19:59:16Z) - MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。
最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。
LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-07T23:20:56Z) - 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) - MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained
through electrophysiological simulations [0.12417791895581763]
機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。
電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。
仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
論文 参考訳(メタデータ) (2022-11-29T07:46:39Z) - Enhancing Deep Learning-based 3-lead ECG Classification with Heartbeat
Counting and Demographic Data Integration [0.0]
本稿では,3段階のECG分類において,現在のディープラーニングシステムの性能向上のための2つの新しい手法を紹介する。
具体的には、心拍数回帰という形でのマルチタスク学習方式と、患者人口統計データをシステムに組み込む効果的なメカニズムを提案する。
これら2つの進歩により、2つの大規模ECGデータセットにおいて、F1スコアの0.9796と0.8140の分類性能を得た。
論文 参考訳(メタデータ) (2022-08-15T09:33:36Z) - Synthesis of standard 12-lead electrocardiograms using two dimensional
generative adversarial network [0.0]
提案モデルは,LVHが98%,LBBBが93%,ACUTMIが79%,正常が59%の合成標準ECG信号を生成することができる。
2D GANを使用して、実際のECGの多様なデータベースを人工的に増強するのに適した、標準の12リードのECGを生成することが可能である。
論文 参考訳(メタデータ) (2021-06-02T00:59:04Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳(メタデータ) (2020-10-29T19:14:41Z) - Multilabel 12-Lead Electrocardiogram Classification Using Gradient
Boosting Tree Ensemble [64.29529357862955]
我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。
各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。
各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
論文 参考訳(メタデータ) (2020-10-21T18:11:36Z) - Interpretable Deep Learning for Automatic Diagnosis of 12-lead
Electrocardiogram [15.464768773761527]
12誘導心電図記録における心不整脈のマルチラベル分類のためのディープニューラルネットワークを開発した。
提案モデルでは、受信機動作特性曲線(AUC)0.970、F1スコア0.813の平均領域を達成した。
最も優れたリードは、12のリードのうち、リードI、aVR、V5である。
論文 参考訳(メタデータ) (2020-10-20T14:51:00Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳(メタデータ) (2020-05-11T16:29:12Z) - 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。