論文の概要: MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal

• arxiv url: http://arxiv.org/abs/2409.18828v2
• Date: Sun, 24 Nov 2024 07:27:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:14:36.173290
• Title: MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal
• Title（参考訳）: MECG-E:マンバをベースとした経口洗浄用心電図エンハンサー
• Authors: Kuo-Hsuan Hung, Kuan-Chen Wang, Kai-Chun Liu, Wei-Lun Chen, Xugang Lu, Yu Tsao, Chii-Wann Lin,
• Abstract要約: 我々は,マンバをベースとしたECGエンハンサー(MECG-E)という新しいECGデノベーションモデルを提案する。 MECG-Eは、様々なノイズ条件下で、複数のメトリクスにまたがる、よく知られた既存モデルを上回る。 最先端の拡散に基づくECGデノイザよりも推論時間が少ない。
• 参考スコア（独自算出の注目度）: 23.040957989796155
• License:
• Abstract: Electrocardiogram (ECG) is an important non-invasive method for diagnosing cardiovascular disease. However, ECG signals are susceptible to noise contamination, such as electrical interference or signal wandering, which reduces diagnostic accuracy. Various ECG denoising methods have been proposed, but most existing methods yield suboptimal performance under very noisy conditions or require several steps during inference, leading to latency during online processing. In this paper, we propose a novel ECG denoising model, namely Mamba-based ECG Enhancer (MECG-E), which leverages the Mamba architecture known for its fast inference and outstanding nonlinear mapping capabilities. Experimental results indicate that MECG-E surpasses several well-known existing models across multiple metrics under different noise conditions. Additionally, MECG-E requires less inference time than state-of-the-art diffusion-based ECG denoisers, demonstrating the model's functionality and efficiency.
• Abstract（参考訳）: 心電図(ECG)は心血管疾患の診断に重要な非侵襲的方法である。 しかし、ECG信号は電気干渉や信号の流路といったノイズ汚染の影響を受けやすいため、診断精度が低下する。 様々なECGデノベーション手法が提案されているが、既存のほとんどの手法では、非常にノイズの多い条件下では最適以下の性能を得るか、推論中にいくつかのステップを必要とするため、オンライン処理中に遅延が発生する。 本稿では,その高速推論と優れた非線形マッピング機能で知られるMambaアーキテクチャを活用する,新しいECGデノナイズモデル(MECG-E)を提案する。 実験結果から,MECG-Eは様々な騒音条件下で,複数の測定値にまたがる既知モデルを上回ることが示唆された。 さらに、MECG-Eは、最先端の拡散に基づくECGデノイザよりも推論時間が少なく、モデルの機能性と効率を実証する。

関連論文リスト

• MSECG: Incorporating Mamba for Robust and Efficient ECG Super-Resolution [27.433941157026737]
  本稿では,ECG SR 用に設計されたコンパクトニューラルネットワークモデル MSECG を提案する。 MSECGは、再帰するMambaモデルの強度と畳み込み層を組み合わせることで、ECG波形の局所的および大域的依存関係をキャプチャする。 実験結果から,MSECGは2つの現代ECG SRモデルよりもクリーンでノイズの多い条件下で優れていた。
  論文  参考訳（メタデータ） (2024-12-06T08:53:31Z)
• MSEMG: Surface Electromyography Denoising with a Mamba-based Efficient Network [21.596126531908908]
  表面筋電図(sEMG)記録は、監視された筋肉が心臓に閉じているときに心電図(ECG)信号によって汚染される。 我々は,Mamba状態空間モデルと畳み込みニューラルネットワークを統合し,軽量なsEMG復調モデルとして機能する新しいシステムであるMSEMGを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T04:25:28Z)
• AnyECG: Foundational Models for Electrocardiogram Analysis [36.53693619144332]
  心電図(ECG)は急性心臓発作の検出に非常に敏感である。 本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。 異常検出,不整脈検出,不良鉛生成,超長期心電図信号解析などの実験結果から,AnyECGがデータから共通心電図の知識を学習し,各タスクにおける最先端手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2024-11-17T17:32:58Z)
• 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)
• 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)
• Bayesian ECG reconstruction using denoising diffusion generative models [11.603515105957461]
  健常心電図(ECG)データを用いて訓練したDDGM(denoising diffusion generative model)を提案する。 以上の結果から, この革新的な生成モデルにより, 現実的なECG信号を生成できることが示唆された。
  論文  参考訳（メタデータ） (2023-12-18T15:56:21Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• 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)
• Representing and Denoising Wearable ECG Recordings [12.378631176671773]
  ウェアラブルセンサから得られるECGの構造的ノイズ過程をシミュレートする統計モデルを構築した。 変動解析のためのビート・ツー・ビート表現を設計し,心電図を識別する因子分析に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-11-30T21:33:11Z)
• 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。