論文の概要: MSECG: Incorporating Mamba for Robust and Efficient ECG Super-Resolution

• arxiv url: http://arxiv.org/abs/2412.04861v1
• Date: Fri, 06 Dec 2024 08:53:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:11.188290
• Title: MSECG: Incorporating Mamba for Robust and Efficient ECG Super-Resolution
• Title（参考訳）: MSECG:ロバストで効率的なECGスーパーリゾリューションにマンバを組み込む
• Authors: Jie Lin, I Chiu, Kuan-Chen Wang, Kai-Chun Liu, Hsin-Min Wang, Ping-Cheng Yeh, Yu Tsao,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 27.433941157026737
• License:
• Abstract: Electrocardiogram (ECG) signals play a crucial role in diagnosing cardiovascular diseases. To reduce power consumption in wearable or portable devices used for long-term ECG monitoring, super-resolution (SR) techniques have been developed, enabling these devices to collect and transmit signals at a lower sampling rate. In this study, we propose MSECG, a compact neural network model designed for ECG SR. MSECG combines the strength of the recurrent Mamba model with convolutional layers to capture both local and global dependencies in ECG waveforms, allowing for the effective reconstruction of high-resolution signals. We also assess the model's performance in real-world noisy conditions by utilizing ECG data from the PTB-XL database and noise data from the MIT-BIH Noise Stress Test Database. Experimental results show that MSECG outperforms two contemporary ECG SR models under both clean and noisy conditions while using fewer parameters, offering a more powerful and robust solution for long-term ECG monitoring applications.
• Abstract（参考訳）: 心電図は心血管疾患の診断において重要な役割を担っている。 長期のECGモニタリングに使用されるウェアラブルや携帯機器の消費電力を減らすため、超高解像度(SR)技術が開発され、サンプリングレートの低い信号の収集と送信が可能となった。 本研究では,ECG SR向け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、リカレントマンバ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捕捉し、高分解能信号の効率的な再構成を可能にする。 PTB-XLデータベースのECGデータとMIT-BIHノイズストレステストデータベースのノイズデータを利用して,実世界の雑音条件下でのモデルの性能を評価する。 実験結果から、MSECGは、クリーンかつノイズの多い条件下で2つの現代のECG SRモデルより優れ、パラメータが少ないことを示し、長期的なECGモニタリングアプリケーションに対してより強力で堅牢なソリューションを提供する。

関連論文リスト

• MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal [23.040957989796155]
  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。
  論文  参考訳（メタデータ） (2024-09-27T15:22:44Z)
• 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)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Leveraging Statistical Shape Priors in GAN-based ECG Synthesis [3.3482093430607267]
  本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。 本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号の合成を行う。 以上の結果から,ECG信号の時間的・振幅的変動を2次元形状としてモデル化した手法は,最先端のGANベースの生成ベースラインと比較して,より現実的な信号を生成することがわかった。
  論文  参考訳（メタデータ） (2022-10-22T18:06:11Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• ECG Signal Super-resolution by Considering Reconstruction and Cardiac Arrhythmias Classification Loss [0.0]
  圧縮ECG信号を復元するための深層学習型ECG信号スーパーレゾリューションフレームワーク(ESRNet)を提案する。 実験の結果,提案するESRNetフレームワークは10回圧縮されたECG信号を十分に再構成できることがわかった。
  論文  参考訳（メタデータ） (2020-12-07T15:43:50Z)
• 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)

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。