Fugu-MT 論文翻訳(概要): Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram

論文の概要: Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram

arxiv url: http://arxiv.org/abs/2407.18424v1
Date: Thu, 25 Jul 2024 22:56:21 GMT
ステータス: 処理完了
システム内更新日: 2024-07-29 14:49:32.077011
Title: Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram
Title（参考訳）: Phonocardiogram を用いたモデル駆動型心拍推定と心臓外傷検出
Authors: Jingping Nie, Ran Liu, Behrooz Mahasseni, Erdrin Azemi, Vikramjit Mitra,
Abstract要約: 本研究は, 心電図(PCG)データセットを用いて心拍数を推定する。マルチタスク学習フレームワークにベストパフォーマンスモデルを拡張し、心拍数推定と大腿骨骨折検出を同時に行う。
参考スコア（独自算出の注目度）: 4.5546756241897235
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Acoustic signals are crucial for health monitoring, particularly heart sounds which provide essential data like heart rate and detect cardiac anomalies such as murmurs. This study utilizes a publicly available phonocardiogram (PCG) dataset to estimate heart rate using model-driven methods and extends the best-performing model to a multi-task learning (MTL) framework for simultaneous heart rate estimation and murmur detection. Heart rate estimates are derived using a sliding window technique on heart sound snippets, analyzed with a combination of acoustic features (Mel spectrogram, cepstral coefficients, power spectral density, root mean square energy). Our findings indicate that a 2D convolutional neural network (\textbf{\texttt{2dCNN}}) is most effective for heart rate estimation, achieving a mean absolute error (MAE) of 1.312 bpm. We systematically investigate the impact of different feature combinations and find that utilizing all four features yields the best results. The MTL model (\textbf{\texttt{2dCNN-MTL}}) achieves accuracy over 95% in murmur detection, surpassing existing models, while maintaining an MAE of 1.636 bpm in heart rate estimation, satisfying the requirements stated by Association for the Advancement of Medical Instrumentation (AAMI).
Abstract（参考訳）: 音響信号は、健康モニタリング、特に心拍数などの重要なデータを提供し、大腿骨などの心臓異常を検出する心臓音に不可欠である。本研究は,PCGデータセットを用いて,モデル駆動法を用いて心拍数を推定し,マルチタスク学習(MTL)フレームワークにベストパフォーマンスモデルを拡張し,同時心拍数推定とミュール検出を行う。心拍推定は, 音響特性(メルスペクトル, ケプストラム係数, パワースペクトル密度, ルート平均2乗エネルギー)を組み合わせて解析した。 2次元畳み込みニューラルネットワーク(\textbf{\texttt{2dCNN}})は心拍数推定に最も有効であり,平均絶対誤差(MAE)は1.312bpmである。異なる特徴の組み合わせが与える影響を体系的に調査し、これら4つの特徴を利用すると最良の結果が得られます。 MTLモデル(\textbf{\texttt{2dCNN-MTL}})は、AAMI(Association for the Advancement of Medical Instrumentation)の要求を満たすとともに、既存のモデルよりも95%以上精度を達成し、心拍推定において1.636bpmのMAEを維持している。

関連論文リスト

Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
論文参考訳（メタデータ） (2024-12-23T13:05:17Z)
SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文参考訳（メタデータ） (2024-04-15T01:07:08Z)
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)
A lightweight hybrid CNN-LSTM model for ECG-based arrhythmia detection [0.0]
本稿では,8種類の心不整脈と正常リズムの高精度検出のための光深度学習手法を提案する。各種心電図信号を用いた不整脈分類モデルの試作と試験を行った。
論文参考訳（メタデータ） (2022-08-29T05:01:04Z)
Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文参考訳（メタデータ） (2022-08-22T22:01:44Z)
Classification of ECG based on Hybrid Features using CNNs for Wearable Applications [2.0999222360659604]
ハイブリッド機能と3つの異なるモデルを用いたECG分類の性能向上を示す。この研究で提案されたRR間隔の特徴に基づくモデルでは、98.98%の精度が達成され、ベースラインモデルよりも改善された。周波数特性とRR間隔特性を組み合わせた別のモデルが開発され、ノイズ環境下での良好な持続性能で99%の精度で達成された。
論文参考訳（メタデータ） (2022-06-14T12:14:40Z)
Machine Learning-based Efficient Ventricular Tachycardia Detection Model of ECG Signal [0.0]
心不全の一次診断と解析において、心電図信号は重要な役割を果たす。本稿では,ノイズフィルタを用いた心室頻拍不整脈の予測モデル,心電図の特徴セット,機械学習に基づく分類モデルを提案する。
論文参考訳（メタデータ） (2021-12-24T05:56:09Z)
Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文参考訳（メタデータ） (2021-04-15T12:50:16Z)
MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文参考訳（メタデータ） (2021-01-07T13:08:44Z)
Spatio-temporal Multi-task Learning for Cardiac MRI Left Ventricle Quantification [6.887389908965403]
心左心室(LV)形態の完全な測定セットを得るための学習時型マルチタスクアプローチを提案します。まず,エンコーダデコーダネットワークを用いてLVを分割し,11のLV指標を回帰し,心相を分類する枠組みを導入する。提案モデルは,mr画像から空間的特徴と特徴を抽出する3次元時空間畳み込みに基づく。
論文参考訳（メタデータ） (2020-12-24T17:48:35Z)
Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。合計320回の試験(平均6回の試験)と28回の試験が行われた。ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。