論文の概要: Cardiac Evidence Backtracking for Eating Behavior Monitoring using Collocative Electrocardiogram Imagining

• arxiv url: http://arxiv.org/abs/2502.14430v1
• Date: Thu, 20 Feb 2025 10:27:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:26:47.742853
• Title: Cardiac Evidence Backtracking for Eating Behavior Monitoring using Collocative Electrocardiogram Imagining
• Title（参考訳）: 心電図画像を用いた食行動モニタリングのための心臓エビデンス追跡
• Authors: Xu-Lu Zhang, Zhen-Qun Yang, Dong-Mei Jiang, Ga Liao, Qing Li, Ramesh Jain, Xiao-Yong Wei,
• Abstract要約: 本研究は,24時間ECGを用いて,アドホックかつ解釈可能な検出のための高度な深層学習を検知・調整するためのパイロット研究である。 提案手法の有効性は,従来のモデルよりも優れた食行動のECGデータセット上で検証されている。
• 参考スコア（独自算出の注目度）: 12.019014491802952
• License:
• Abstract: Eating monitoring has remained an open challenge in medical research for years due to the lack of non-invasive sensors for continuous monitoring and the reliable methods for automatic behavior detection. In this paper, we present a pilot study using the wearable 24-hour ECG for sensing and tailoring the sophisticated deep learning for ad-hoc and interpretable detection. This is accomplished using a collocative learning framework in which 1) we construct collocative tensors as pseudo-images from 1D ECG signals to improve the feasibility of 2D image-based deep models; 2) we formulate the cardiac logic of analyzing the ECG data in a comparative way as periodic attention regulators so as to guide the deep inference to collect evidence in a human comprehensible manner; and 3) we improve the interpretability of the framework by enabling the backtracking of evidence with a set of methods designed for Class Activation Mapping (CAM) decoding and decision tree/forest generation. The effectiveness of the proposed framework has been validated on the largest ECG dataset of eating behavior with superior performance over conventional models, and its capacity of cardiac evidence mining has also been verified through the consistency of the evidence it backtracked and that of the previous medical studies.
• Abstract（参考訳）: 連続的なモニタリングのための非侵襲的なセンサーの欠如と、自動行動検出のための信頼性の高い方法が原因で、食事モニタリングは医学研究において長年、オープンな課題であり続けている。 本稿では,24時間ECGを用いて,アドホックかつ解釈可能な検出のための高度な深層学習を検知・調整するパイロット研究を提案する。 これは、コロケーション学習フレームワークを使用して達成される。 1)1次元心電図信号から擬似画像としてコロケーションテンソルを構築し,2次元画像ベースディープモデルの実現可能性を向上させる。 2 心電図データ分析の心論理を定期的注意管理機関として比較して定式化し、深部推論を指導し、人間の理解に富んだ証拠収集を行う。 3) クラスアクティベーションマッピング(CAM)デコードと決定木/フォレスト生成のための一連の手法を用いて,証拠のバックトラックを可能にすることにより,フレームワークの解釈可能性を向上させる。 提案手法の有効性は, 従来のモデルよりも優れた食行動のECGデータセット上で検証され, 心的エビデンスマイニングの能力も, バックトラックされたエビデンスと過去の医学研究の整合性から検証されている。

関連論文リスト

• ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
  短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。 新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。 DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
  論文  参考訳（メタデータ） (2024-07-25T13:27:10Z)
• NERULA: A Dual-Pathway Self-Supervised Learning Framework for Electrocardiogram Signal Analysis [5.8961928852930034]
  本稿では,シングルリードECG信号を対象とした自己教師型フレームワークNERULAを提案する。 NERULAのデュアルパスウェイアーキテクチャは、心電図再構成と非コントラスト学習を組み合わせて、詳細な心臓の特徴を抽出する。 学習スペクトルに生成経路と識別経路を組み合わせることで、様々なタスクにおいて最先端の自己教師付き学習ベンチマークより優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-05-21T14:01:57Z)
• Real-time guidewire tracking and segmentation in intraoperative x-ray [52.51797358201872]
  リアルタイムガイドワイヤ分割と追跡のための2段階のディープラーニングフレームワークを提案する。 第1段階では、ヨロフ5検出器が元のX線画像と合成画像を使って訓練され、ターゲットのガイドワイヤのバウンディングボックスを出力する。 第2段階では、検出された各バウンディングボックスにガイドワイヤを分割するために、新規で効率的なネットワークが提案されている。
  論文  参考訳（メタデータ） (2024-04-12T20:39:19Z)
• Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
  オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。 我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
  論文  参考訳（メタデータ） (2023-11-10T11:49:49Z)
• 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)
• ElectroCardioGuard: Preventing Patient Misidentification in Electrocardiogram Databases through Neural Networks [0.0]
  臨床的には, 誤診患者に対する心電図記録の割り当ては不注意に発生することがある。 本稿では,2つの心電図が同一患者に由来するかどうかを判定する,小型で効率的な神経ネットワークモデルを提案する。 PTB-XL 上でのギャラリープローブによる患者識別において、760 倍のパラメータを用いて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-06-09T18:53:25Z)
• Hierarchical Deep Learning with Generative Adversarial Network for Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
  本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。 第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。 第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
  論文  参考訳（メタデータ） (2022-10-19T12:29:05Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• End-to-End Deep Learning for Reliable Cardiac Activity Monitoring using Seismocardiograms [0.057350354637930076]
  SeismoNetは、心電図(SCG)信号から心臓活動を観察するエンドツーエンドのソリューションを提供することを目指している。 これらのSCG信号はモーションベースであり、簡単でユーザフレンドリーな方法で取得できる。 ディープラーニングを用いることで、ノイズライディング形態にもかかわらず、SCG信号から直接Rピークを検出することができる。
  論文  参考訳（メタデータ） (2020-10-12T13:02:07Z)
• 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。