論文の概要: Advancements in Myocardial Infarction Detection and Classification Using Wearable Devices: A Comprehensive Review
- arxiv url: http://arxiv.org/abs/2411.18451v1
- Date: Wed, 27 Nov 2024 15:42:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-01 15:52:53.729921
- Title: Advancements in Myocardial Infarction Detection and Classification Using Wearable Devices: A Comprehensive Review
- Title（参考訳）: ウェアラブルデバイスを用いた心筋梗塞の診断・分類の進歩 : 総括的考察
- Authors: Abhijith S, Arjun Rajesh, Mansi Manoj, Sandra Davis Kollannur, Sujitta R V, Jerrin Thomas Panachakel,
- Abstract要約: 心筋梗塞 (MI) は、心臓への血流の制限によって引き起こされる重篤な健康状態である。
本稿では,ウェアラブルデバイスにおけるMI分類手法の進歩を概観し,リアルタイムモニタリングと早期診断の可能性を強調した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Myocardial infarction (MI), commonly known as a heart attack, is a critical health condition caused by restricted blood flow to the heart. Early-stage detection through continuous ECG monitoring is essential to minimize irreversible damage. This review explores advancements in MI classification methodologies for wearable devices, emphasizing their potential in real-time monitoring and early diagnosis. It critically examines traditional approaches, such as morphological filtering and wavelet decomposition, alongside cutting-edge techniques, including Convolutional Neural Networks (CNNs) and VLSI-based methods. By synthesizing findings on machine learning, deep learning, and hardware innovations, this paper highlights their strengths, limitations, and future prospects. The integration of these techniques into wearable devices offers promising avenues for efficient, accurate, and energy-aware MI detection, paving the way for next-generation wearable healthcare solutions.
- Abstract（参考訳）: 心筋梗塞 (MI) は、心臓への血流の制限によって引き起こされる重篤な健康状態である。
連続ECGモニタリングによる早期検出は、不可逆的な損傷を最小限に抑えるために不可欠である。
本稿では,ウェアラブルデバイスにおけるMI分類手法の進歩を概観し,リアルタイムモニタリングと早期診断の可能性を強調した。
形態的フィルタリングやウェーブレット分解といった従来の手法を、畳み込みニューラルネットワーク(CNN)やVLSIベースの手法といった最先端技術とともに、批判的に検討している。
機械学習,ディープラーニング,ハードウェアイノベーションに関する知見を合成することにより,その強み,限界,今後の展望を明らかにする。
ウェアラブルデバイスへのこれらの技術の統合は、効率的で正確でエネルギーを意識したMI検出のための有望な道を提供し、次世代のウェアラブルヘルスケアソリューションへの道を開く。
関連論文リスト
- Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。
本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
論文 参考訳（メタデータ） (2025-03-21T16:11:21Z) - FADE: Forecasting for Anomaly Detection on ECG [4.914228925573227]
本研究の目的は,通常の心電図予測と異常検出のために設計された深層学習システムFADEを提案することである。
FADEは、新しい形態学的にインスパイアされた損失関数で、自己監督的な方法で訓練されている。
本手法は,心電図信号と実際のセンサデータとの新たな距離関数を用いて,心臓の異常を効果的に同定する。
論文 参考訳（メタデータ） (2025-02-11T09:19:39Z) - Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。
マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。
ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
論文 参考訳（メタデータ） (2024-10-11T09:36:38Z) - 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) - Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey [6.1689808850463335]
心臓デジタル双生児(英: Cardiac Digital twins、CDT)は、複雑な心臓機構を理解するために使用される仮想表現である。
近年の計算手法の進歩により、ECG逆推論の精度と効率が大幅に向上した。
本稿では,心電図逆問題,検証戦略,臨床応用,今後の展望を概観する。
論文 参考訳（メタデータ） (2024-06-17T11:57:14Z) - SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。
光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。
本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文 参考訳（メタデータ） (2024-04-15T01:07:08Z) - 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) - DDSB: An Unsupervised and Training-free Method for Phase Detection in Echocardiography [37.32413956117856]
本研究では,End-Diastolic (ED) フレームとEnd-Systolic (ES) フレームを識別するための教師なしおよびトレーニング不要な手法を提案する。
アンカー点の同定と方向変形解析により,初期セグメンテーション画像の精度への依存性を効果的に低減する。
本手法は,学習モデルと同等の精度を,関連する欠点を伴わずに達成する。
論文 参考訳（メタデータ） (2024-03-19T14:51:01Z) - Heart Disease Detection using Vision-Based Transformer Models from ECG
Images [0.0]
心臓疾患(英: Heart disease)または心臓血管疾患(英: Cardiovascular disease)は、心臓と血管の障害を特徴とする疾患である。
本稿では,心電図画像から心疾患,すなわち視覚変換器モデルを用いて心疾患を検出することを提案する。
論文 参考訳（メタデータ） (2023-10-19T10:27:08Z) - Unpaired Deep Learning for Pharmacokinetic Parameter Estimation from
Dynamic Contrast-Enhanced MRI [37.358265461543716]
薬物動態パラメータとAIFの両方を推定する新しい未経験深層学習法を提案する。
提案するCycleGANフレームワークは、基礎となる物理モデルに基づいて設計されており、単一のジェネレータと識別器ペアによるよりシンプルなアーキテクチャを実現する。
実験の結果,AIF測定を別途必要とせず,他の方法よりも信頼性の高い薬物動態パラメータが得られた。
論文 参考訳（メタデータ） (2023-06-07T11:10:10Z) - Interpretability of a Deep Learning Model in the Application of Cardiac
MRI Segmentation with an ACDC Challenge Dataset [8.460936676149101]
このプロジェクトは、crdiac構造をセグメント化するように訓練された深層ネットワークから、異なる心臓の状態を示す概念を発見できるかどうかを調べる。
本研究の貢献は,D-TCAV法を心臓MRIアナリシスに応用した新しい方法である。
論文 参考訳（メタデータ） (2021-03-15T17:57:40Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z) - 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。