論文の概要: ECG-Image-Database: A Dataset of ECG Images with Real-World Imaging and Scanning Artifacts; A Foundation for Computerized ECG Image Digitization and Analysis
- arxiv url: http://arxiv.org/abs/2409.16612v1
- Date: Wed, 25 Sep 2024 04:30:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 05:35:28.473971
- Title: ECG-Image-Database: A Dataset of ECG Images with Real-World Imaging and Scanning Artifacts; A Foundation for Computerized ECG Image Digitization and Analysis
- Title（参考訳）: ECG- Image-Database: 実世界の画像と走査アーチファクトを用いたECG画像のデータセット; コンピュータ化されたECG画像のデジタル化と解析のための基礎
- Authors: Matthew A. Reyna, Deepanshi, James Weigle, Zuzana Koscova, Kiersten Campbell, Kshama Kodthalu Shivashankara, Soheil Saghafi, Sepideh Nikookar, Mohsen Motie-Shirazi, Yashar Kiarashi, Salman Seyedi, Gari D. Clifford, Reza Sameni,
- Abstract要約: ECG-Image-Databaseは、ECG時系列データから生成された心電図(ECG)画像の大規模かつ多種多様なコレクションである。
我々は、オープンソースのPythonツールキットであるECG-Image-Kitを使用して、生のECG時系列から12リードのECGプリントアウトのリアルな画像を生成する。
得られたデータセットには35,595個のソフトウェアラベル付きECGイメージが含まれており、幅広い画像アーティファクトと歪みがある。
- 参考スコア（独自算出の注目度）: 4.263536786122581
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce the ECG-Image-Database, a large and diverse collection of electrocardiogram (ECG) images generated from ECG time-series data, with real-world scanning, imaging, and physical artifacts. We used ECG-Image-Kit, an open-source Python toolkit, to generate realistic images of 12-lead ECG printouts from raw ECG time-series. The images include realistic distortions such as noise, wrinkles, stains, and perspective shifts, generated both digitally and physically. The toolkit was applied to 977 12-lead ECG records from the PTB-XL database and 1,000 from Emory Healthcare to create high-fidelity synthetic ECG images. These unique images were subjected to both programmatic distortions using ECG-Image-Kit and physical effects like soaking, staining, and mold growth, followed by scanning and photography under various lighting conditions to create real-world artifacts. The resulting dataset includes 35,595 software-labeled ECG images with a wide range of imaging artifacts and distortions. The dataset provides ground truth time-series data alongside the images, offering a reference for developing machine and deep learning models for ECG digitization and classification. The images vary in quality, from clear scans of clean papers to noisy photographs of degraded papers, enabling the development of more generalizable digitization algorithms. ECG-Image-Database addresses a critical need for digitizing paper-based and non-digital ECGs for computerized analysis, providing a foundation for developing robust machine and deep learning models capable of converting ECG images into time-series. The dataset aims to serve as a reference for ECG digitization and computerized annotation efforts. ECG-Image-Database was used in the PhysioNet Challenge 2024 on ECG image digitization and classification.
- Abstract（参考訳）: 本稿では,ECG時系列データから生成された心電図(ECG)画像の多種多様なコレクションであるECG-Image-Databaseを紹介した。
我々は、オープンソースのPythonツールキットであるECG-Image-Kitを使用して、生のECG時系列から12リードのECGプリントアウトのリアルな画像を生成する。
画像には、ノイズ、しわ、汚れ、視点シフトなどの現実的な歪みが含まれており、デジタルと物理的の両方で生成される。
このツールキットは、TB-XLデータベースから977個のリードECGレコード、エモリー・ヘルスケアから1,000個のデータを取得し、高忠実な合成ECG画像を生成する。
これらのユニークな画像は、ECG-Image-Kitを使ったプログラムによる歪みと、浸漬、染色、カビ成長といった物理的効果の両方を受けており、続いて様々な照明条件下での走査と撮影によって現実世界の人工物が生成される。
得られたデータセットには35,595個のソフトウェアラベル付きECGイメージが含まれており、幅広い画像アーティファクトと歪みがある。
このデータセットは、画像とともに地上の真実の時系列データを提供し、ECGのデジタル化と分類のための機械学習モデルとディープラーニングモデルを開発するためのリファレンスを提供する。
画像の品質は、清潔な紙の透明なスキャンから劣化した紙の騒々しい写真まで様々であり、より一般化可能なデジタル化アルゴリズムの開発を可能にしている。
ECG-Image-Databaseは、コンピュータ分析のために紙ベースの非デジタルECGをデジタル化する重要なニーズに対処し、ECGイメージを時系列に変換することのできる堅牢な機械学習モデルとディープラーニングモデルを開発する基盤を提供する。
このデータセットは、ECGのデジタル化とコンピュータ化されたアノテーションの取り組みのリファレンスとして機能することを目的としている。
ECG-Image-Databaseは、ECG画像のデジタル化と分類に関するPhystoNet Challenge 2024で使用された。
関連論文リスト
- Teach Multimodal LLMs to Comprehend Electrocardiographic Images [10.577263066644194]
我々は、100万以上のサンプルからなる総合的なECGイメージインストラクションチューニングデータセットであるECGInstructを紹介する。
また,心電図の理解に適したMLLMであるPULSEを開発した。
実験の結果,PULSEは従来のMLLMよりも15%から30%の精度向上を実現した。
論文 参考訳（メタデータ） (2024-10-21T20:26:41Z) - Combining Hough Transform and Deep Learning Approaches to Reconstruct ECG Signals From Printouts [2.374912052693646]
この研究は、2024年のGeorge B. Moody PhysioNet Challengeに対する私たちのチームの勝利の貢献を示します。
チャレンジには2つの目標があった: 印刷物から心電図信号を再構成し、それらを心臓病に分類する。
本モデルでは, CV信号対雑音平均比17.02, 隠しセットにおける公式チャレンジスコア12.15を達成し, 競技における第1位を確保した。
論文 参考訳（メタデータ） (2024-10-18T05:36:24Z) - VizECGNet: Visual ECG Image Network for Cardiovascular Diseases Classification with Multi-Modal Training and Knowledge Distillation [0.7405975743268344]
実際には、ECGデータはデジタル化された信号または印刷された画像として格納される。
本稿では,複数の心血管疾患の予後を決定するために,心電図のみを用いたVizECGNetを提案する。
論文 参考訳（メタデータ） (2024-08-06T01:34:43Z) - End-to-End Model-based Deep Learning for Dual-Energy Computed Tomography Material Decomposition [53.14236375171593]
本稿では,定量化のためのエンド・ツー・エンド材料分解(E2E-DEcomp)と呼ばれる深層学習手法を提案する。
AAPMスペクトルCTデータセットにおける直接E2E-DEcomp法の有効性を示す。
論文 参考訳（メタデータ） (2024-06-01T16:20:59Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳（メタデータ） (2023-09-19T15:14:42Z) - ECG-Image-Kit: A Synthetic Image Generation Toolbox to Facilitate Deep
Learning-Based Electrocardiogram Digitization [3.4579920352329787]
本稿では,時系列データからリアルなアーティファクトを合成したマルチリードECG画像を生成するオープンソースツールボックスであるECG-Image-Kitを紹介する。
ケーススタディでは、PhyloNet QTデータベースから、ECG-Image-Kitを使用して、21,801個のECGイメージのデータセットを作成しました。
このデータセット上で、従来のコンピュータビジョンとディープニューラルネットワークモデルを組み合わせて、合成画像を時系列データに変換するようにトレーニングしました。
論文 参考訳（メタデータ） (2023-07-04T22:42:55Z) - Subjective and Objective Quality Assessment for in-the-Wild Computer
Graphics Images [57.02760260360728]
我々は6000のCGI(CGIQA-6k)からなる大規模CGIQAデータベースを構築した。
本稿では, 歪みと美的品質表現を両立させて, 効果的な深層学習に基づくno-reference (NR) IQAモデルを提案する。
実験の結果,提案手法は構築したCGIQA-6kデータベース上で,最先端のNR IQA法よりも優れていた。
論文 参考訳（メタデータ） (2023-03-14T16:32:24Z) - Auto Lead Extraction and Digitization of ECG Paper Records using cGAN [0.23624125155742054]
ECG信号は一般に紙形式で格納されるため、データの保存と分析が困難になる。
12個の心電図画像から12個の鉛を個別に抽出する深層学習モデルを提案する。
また,紙ECGフォーマットを保存可能なデジタルフォーマットに変換する手法を提案する。
論文 参考訳（メタデータ） (2022-11-12T18:36:29Z) - 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) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。