論文の概要: Large-scale cross-modality pretrained model enhances cardiovascular state estimation and cardiomyopathy detection from electrocardiograms: An AI system development and multi-center validation study

• arxiv url: http://arxiv.org/abs/2411.13602v1
• Date: Tue, 19 Nov 2024 09:09:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:19:55.803987
• Title: Large-scale cross-modality pretrained model enhances cardiovascular state estimation and cardiomyopathy detection from electrocardiograms: An AI system development and multi-center validation study
• Title（参考訳）: 大規模クロスモダリティ事前訓練モデルによる心電図からの心血管状態推定と心筋症検出 : AIシステムの開発と多施設検証研究
• Authors: Zhengyao Ding, Yujian Hu, Youyao Xu, Chengchen Zhao, Ziyu Li, Yiheng Mao, Haitao Li, Qian Li, Jing Wang, Yue Chen, Mengjia Chen, Longbo Wang, Xuesen Chu, Weichao Pan, Ziyi Liu, Fei Wu, Hongkun Zhang, Ting Chen, Zhengxing Huang,
• Abstract要約: 本研究はCMRの診断強度を活用して心電図解析を強化する革新的なモデルであるCardiacNetsを紹介する。 心臓神経は、冠動脈疾患、心筋症、心膜炎、心不全、肺高血圧など、潜在的なCVDの心臓機能指標とスクリーニングを評価する。 その結果、CardiacNetsは従来のECGのみのモデルより一貫して優れており、スクリーニング精度が大幅に向上していることがわかった。
• 参考スコア（独自算出の注目度）: 29.842103054029433
• License:
• Abstract: Cardiovascular diseases (CVDs) present significant challenges for early and accurate diagnosis. While cardiac magnetic resonance imaging (CMR) is the gold standard for assessing cardiac function and diagnosing CVDs, its high cost and technical complexity limit accessibility. In contrast, electrocardiography (ECG) offers promise for large-scale early screening. This study introduces CardiacNets, an innovative model that enhances ECG analysis by leveraging the diagnostic strengths of CMR through cross-modal contrastive learning and generative pretraining. CardiacNets serves two primary functions: (1) it evaluates detailed cardiac function indicators and screens for potential CVDs, including coronary artery disease, cardiomyopathy, pericarditis, heart failure and pulmonary hypertension, using ECG input; and (2) it enhances interpretability by generating high-quality CMR images from ECG data. We train and validate the proposed CardiacNets on two large-scale public datasets (the UK Biobank with 41,519 individuals and the MIMIC-IV-ECG comprising 501,172 samples) as well as three private datasets (FAHZU with 410 individuals, SAHZU with 464 individuals, and QPH with 338 individuals), and the findings demonstrate that CardiacNets consistently outperforms traditional ECG-only models, substantially improving screening accuracy. Furthermore, the generated CMR images provide valuable diagnostic support for physicians of all experience levels. This proof-of-concept study highlights how ECG can facilitate cross-modal insights into cardiac function assessment, paving the way for enhanced CVD screening and diagnosis at a population level.
• Abstract（参考訳）: 心血管疾患(CVD)は早期かつ正確な診断に重大な課題を呈する。 心臓磁気共鳴画像(CMR)は、心機能評価とCVDの診断のための金の標準であるが、そのコストと技術的複雑さはアクセシビリティに制限される。 対照的に、心電図(ECG)は大規模な早期スクリーニングを約束する。 本研究は,CMRの診断強度を活用して心電図解析を向上する革新的モデルであるCardiacNetsを紹介する。 心電図入力を用いて, 冠動脈疾患, 心筋症, 心膜炎, 心不全, 肺高血圧症などの潜在的なCVDの詳細な心機能指標とスクリーニングを行い, 心電図データから高画質のCMR画像を生成することにより, 解釈可能性を高める。 提案したCardiacNetsは,2つの大規模公開データセット(41,519人,MIMIC-IV-ECGは501,172人)と3つのプライベートデータセット(FAHZUは410人,SAHZUは464人,QPHは338人)でトレーニング・検証を行い,CardiacNetsが従来のECGのみのモデルより一貫して優れており,スクリーニング精度が大幅に向上していることを示した。 さらに、生成されたCMR画像は、すべての経験レベルの医師に貴重な診断支援を提供する。 この概念実証研究は、心電図が心機能評価のクロスモーダルな洞察を助長し、人口レベルでのCVDスクリーニングと診断を強化する方法を示している。

関連論文リスト

• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• 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)
• Estimation of Cardiac and Non-cardiac Diagnosis from Electrocardiogram Features [1.068128849363198]
  我々は、ECGの特徴から一般的な診断条件を推測する可能性を検討するために、利用可能なデータセットを用いている。 我々は、心電図の特徴と基本的な人口統計特性に基づいて、ツリーベースモデル(XGBoost)を訓練し、広範囲の診断を推定する。
  論文  参考訳（メタデータ） (2024-08-30T14:42:03Z)
• CNN Based Detection of Cardiovascular Diseases from ECG Images [0.0]
  このモデルはInceptionV3アーキテクチャを使って構築され、転送学習によって最適化された。 開発されたモデルでは、MIや他の心血管疾患を93.27%の精度で検出することに成功した。
  論文  参考訳（メタデータ） (2024-08-29T11:26:07Z)
• Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
  心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。 本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。 中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。 実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
  論文  参考訳（メタデータ） (2024-06-19T02:42:29Z)
• Unlocking the Diagnostic Potential of ECG through Knowledge Transfer from Cardiac MRI [6.257859765229826]
  本稿では,CMR画像からECG埋め込みへドメイン固有情報を転送する,自己監督型コントラスト手法を提案する。 本手法は,マルチモーダルコントラスト学習とマスク付きデータモデリングを組み合わせることで,心電図データのみから全体的心臓検診を可能にする。
  論文  参考訳（メタデータ） (2023-08-09T10:05:11Z)
• Analysis of Digitalized ECG Signals Based on Artificial Intelligence and Spectral Analysis Methods Specialized in ARVC [0.0]
  不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。 心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-02-28T13:12:50Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
  心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。 このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。 本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。 我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
  論文  参考訳（メタデータ） (2021-02-02T19:51:12Z)
• 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)

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。