論文の概要: Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population
- arxiv url: http://arxiv.org/abs/2408.02296v1
- Date: Mon, 5 Aug 2024 08:14:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-06 14:16:18.616182
- Title: Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population
- Title（参考訳）: インドにおける軽度認知障害検出のためのバイオマーカーとしての短期心電図記録からの心拍数と変動
- Authors: Anjo Xavier, Sneha Noble, Justin Joseph, Thomas Gregor Issac,
- Abstract要約: 完全信号処理パイプラインを設計し、R波ピークを検出し、ECG記録からHRとHRVの特徴を10秒で計算する。
MCI患者は健常者よりも比較的高いHRを有することが観察されている。
- 参考スコア（独自算出の注目度）: 0.5874782446136914
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Alterations in Heart Rate (HR) and Heart Rate Variability (HRV) can reflect autonomic dysfunction associated with neurodegeneration. We investigate the influence of Mild Cognitive Impairment (MCI) on HR and its variability measures in the Indian population by designing a complete signal processing pipeline to detect the R-wave peaks and compute HR and HRV features from ECG recordings of 10 seconds, for point-of-care applications. The study cohort involves 297 urban participants, among which 48.48% are male and 51.51% are female. From the Addenbrooke's Cognitive Examination-III (ACE-III), MCI is detected in 19.19% of participants and the rest, 80.8% of them are cognitively healthy. Statistical features like central tendency (mean and root mean square (RMS) of the Normal-to-Normal (NN) intervals) and dispersion (standard deviation (SD) of all NN intervals (SDNN) and root mean square of successive differences of NN intervals (RMSSD)) of beat-to-beat intervals are computed. The Wilcoxon rank sum test reveals that mean of NN intervals (p = 0.0021), the RMS of NN intervals (p = 0.0014), the SDNN (p = 0.0192) and the RMSSD (p = 0.0206) values differ significantly between MCI and non-MCI classes, for a level of significance, 0.05. Machine learning classifiers like, Support Vector Machine (SVM), Discriminant Analysis (DA) and Naive Bayes (NB) driven by mean NN intervals, RMS, SDNN and RMSSD, show a high accuracy of 80.80% on each individual feature input. Individuals with MCI are observed to have comparatively higher HR than healthy subjects. HR and its variability can be considered as potential biomarkers for detecting MCI.
- Abstract（参考訳）: 心拍数(HR)と心拍変動(HRV)の変化は、神経変性に伴う自律神経機能障害を反映することができる。
本研究は,心電図記録の10秒間からR波ピークを検出し,HRとHRVの特徴を計算するための完全な信号処理パイプラインを設計し,インド国民におけるマイルド認知障害(MCI)の影響について検討する。
調査コホートには297人の都市参加者が参加しており、そのうち48.48%が男性、51.51%が女性である。
アデンブルックの認知検査-III(ACE-III)から、MCIは19.19%の被験者で検出され、残りは80.8%が認知的に健康である。
ビート・ツー・ビート間隔のすべてのNN間隔(SDNN)の中央傾向(平均と根平均平方(RMS))や分散(標準偏差(SD))、NN間隔の連続差(RMSSD)のルート平均平方(英語版))などの統計的特徴を計算した。
Wilcoxon rank sum testでは、NN間隔(p = 0.0021)、NN間隔(p = 0.0014)、SDNN(p = 0.0192)、RMSSD(p = 0.0206)の平均値がMCIクラスと非MCIクラスの間で大きく異なることを明らかにする。
平均NN間隔、RMS、SDNN、RMSSDによって駆動されるSVM(Support Vector Machine)、DA(Dis discriminant Analysis)、NB(Naive Bayes)などの機械学習分類器は、個々の特徴入力に対して80.80%の精度を示す。
MCI患者は健常者よりも比較的高いHRを有することが観察されている。
HRとその変動性は、MCIを検出するための潜在的なバイオマーカーと見なすことができる。
関連論文リスト
- Multi-centric AI Model for Unruptured Intracranial Aneurysm Detection and Volumetric Segmentation in 3D TOF-MRI [6.397650339311053]
我々は3DTOF-MRIで未破裂脳動脈瘤(UICA)の検出と分節を併用したオープンソースのnnU-NetベースのAIモデルを開発した。
4つの異なるトレーニングデータセットが作成され、nnU-Netフレームワークがモデル開発に使用された。
一次モデルは85%の感度と0.23FP/ケースレートを示し、ADAM-challengeの勝者(61%)と、ADAMデータでトレーニングされたnnU-Net(51%)を感度で上回った。
論文 参考訳（メタデータ） (2024-08-30T08:57:04Z) - Leveraging Persistent Homology for Differential Diagnosis of Mild Cognitive Impairment [2.474908349649168]
軽度認知障害(MCI)は、認知機能の微妙な変化が特徴であり、しばしば脳の接続の混乱と関連している。
本研究では,6種類の被験者の脳ネットワークに関連する神経変性のトポロジカルな変化を調べるための,新しい微粒化分析法を提案する。
論文 参考訳（メタデータ） (2024-08-28T09:01:55Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - Towards Bloodless Potassium Measurement from ECG using Neuro-Fuzzy
Systems [0.0]
カリウム障害は一般的に無症候性で致死性があり、腎疾患や心臓病の患者によく見られる。
心電図(ECG)信号の形態はカリウムイオンの変化に非常に敏感である。
本稿では,心電図に基づくカリウム測定システムについて紹介する。
論文 参考訳（メタデータ） (2023-12-28T11:28:41Z) - 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) - Statistical model for describing heart rate variability in normal rhythm
and atrial fibrillation [0.0]
心電図(ECG)における心拍間隔特性のHRV指標による検討
心房細動(英: atrial fibrillation, AF)は、ヒトにおいて最も多い不整脈である。
論文 参考訳（メタデータ） (2022-07-17T13:06:39Z) - Characterizing TMS-EEG perturbation indexes using signal energy: initial
study on Alzheimer's Disease classification [48.42347515853289]
経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。
本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
論文 参考訳（メタデータ） (2022-04-29T19:27:06Z) - 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) - 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) - Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文 参考訳（メタデータ） (2020-08-30T21:47:26Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。