論文の概要: Non-linear Analysis Based ECG Classification of Cardiovascular Disorders
- arxiv url: http://arxiv.org/abs/2408.01542v1
- Date: Fri, 2 Aug 2024 19:03:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 19:40:03.142595
- Title: Non-linear Analysis Based ECG Classification of Cardiovascular Disorders
- Title(参考訳): 非線形解析による心血管障害の心電図分類
- Authors: Suraj Kumar Behera, Debanjali Bhattacharya, Ninad Aithal, Neelam Sinha,
- Abstract要約: マルチチャネル心電図に基づく心疾患の検出は、心臓ケアと治療に影響を及ぼす。
本研究では,Recurrenceプロットの可視化を利用した非線形解析手法について報告する。
QRS複合体のようなよく定義された構造のパターン化は、再帰プロットを用いて効果的に利用することができる。
- 参考スコア(独自算出の注目度): 2.474908349649168
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Multi-channel ECG-based cardiac disorders detection has an impact on cardiac care and treatment. Limitations of existing methods included variation in ECG waveforms due to the location of electrodes, high non-linearity in the signal, and amplitude measurement in millivolts. The present study reports a non-linear analysis-based methodology that utilizes Recurrence plot visualization. The patterned occurrence of well-defined structures, such as the QRS complex, can be exploited effectively using Recurrence plots. This Recurrence-based method is applied to the publicly available Physikalisch-Technische Bundesanstalt (PTB) dataset from PhysioNet database, where we studied four classes of different cardiac disorders (Myocardial infarction, Bundle branch blocks, Cardiomyopathy, and Dysrhythmia) and healthy controls, achieving an impressive classification accuracy of 100%. Additionally, t-SNE plot visualizations of the latent space embeddings derived from Recurrence plots and Recurrence Quantification Analysis features reveal a clear demarcation between the considered cardiac disorders and healthy individuals, demonstrating the potential of this approach.
- Abstract(参考訳): マルチチャネル心電図による心疾患の検出は、心臓ケアと治療に影響を及ぼす。
既存の手法の限界は、電極の位置によるECG波形の変化、信号の非線形性の高さ、ミリボルトの振幅測定などであった。
本研究では,Recurrenceプロットの可視化を利用した非線形解析手法について報告する。
QRS複合体のようなよく定義された構造のパターン化は、再帰プロットを用いて効果的に利用することができる。
この再帰的手法は、PhystoNetデータベースから公開されているPhysicalkalisch-Technische Bundesanstalt(PTB)データセットに適用され、心筋梗塞、分枝ブロック、心筋症、Dysrhythmiaの4種類の異なる心疾患と健康管理の分類精度を100%達成した。
さらに、t-SNEプロットは、再帰プロットと再帰量子化分析の特徴から導かれる潜伏空間の埋め込みを可視化し、考慮された心疾患と健康な個人の間に明確な境界線が示され、このアプローチの可能性を実証している。
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) - Advanced Neural Network Architecture for Enhanced Multi-Lead ECG Arrhythmia Detection through Optimized Feature Extraction [0.0]
不規則な心臓リズムを特徴とする不整脈は、深刻な診断課題を呈する。
本研究では,不整脈分類の複雑さに対処するために,ディープラーニング技術を活用した革新的なアプローチを提案する。
論文 参考訳(メタデータ) (2024-04-13T19:56:15Z) - Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。
また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
論文 参考訳(メタデータ) (2024-02-12T11:04:08Z) - ECGformer: Leveraging transformer for ECG heartbeat arrhythmia
classification [0.0]
不整脈または不整脈とも呼ばれる不整脈は不整脈を指す。
深層学習は、様々な医学的課題に取り組む際、例外的な能力を示した。
我々は心電図データに現れる様々な不整脈の分類のためのECGformerモデルを開発した。
論文 参考訳(メタデータ) (2024-01-06T06:14:48Z) - Digital twinning of cardiac electrophysiology models from the surface
ECG: a geodesic backpropagation approach [39.36827689390718]
逆等角問題の解法としてGeodesic-BPを提案する。
その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。
パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
論文 参考訳(メタデータ) (2023-08-16T14:57:12Z) - Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using
Deep Computational Models for Inverse Inference [6.447210290674733]
シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。
感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
論文 参考訳(メタデータ) (2023-07-10T08:54:12Z) - Deep learning based ECG segmentation for delineation of diverse arrhythmias [0.0]
多様な不整脈に着目した心電図記述のためのU-Netライクセグメンテーションモデルを提案する。
これに続いて後処理アルゴリズムがノイズを除去し、P、QRS、T波の境界を自動的に決定する。
F1スコアはQRSおよびT波の99%,LUDBデータセットのP波の97%以上である。
論文 参考訳(メタデータ) (2023-04-13T03:20:45Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳(メタデータ) (2021-11-25T10:11:41Z) - 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) - 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) - 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。
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。