論文の概要: Multimodal Lead-Specific Modeling of ECG for Low-Cost Pulmonary Hypertension Assessment

• arxiv url: http://arxiv.org/abs/2503.13470v1
• Date: Mon, 03 Mar 2025 16:16:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-23 10:56:04.431331
• Title: Multimodal Lead-Specific Modeling of ECG for Low-Cost Pulmonary Hypertension Assessment
• Title（参考訳）: 低濃度肺高血圧症に対する心電図のマルチモーダルリードモデリング
• Authors: Mohammod N. I. Suvon, Shuo Zhou, Prasun C. Tripathi, Wenrui Fan, Samer Alabed, Bishesh Khanal, Venet Osmani, Andrew J. Swift, Chen, Chen, Haiping Lu,
• Abstract要約: 低所得国や中所得国(LMIC)では,高度な診断ツールが不足しているため,肺高血圧症(PH)が頻繁に診断される。 我々は,大人口12L-ECGデータに基づいて事前学習したモデルであるLS-EMVAE(Lead-Specific Electrocardiogram Multimodal Variational Autoencoder)を提案する。 LS-EMVAEは、推論時に12L-ECGと6L-ECGの両方でより良い予測を行い、診断ツールが限られている領域や全くない領域において、同等の解となる。
• 参考スコア（独自算出の注目度）: 71.69065905466567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pulmonary hypertension (PH) is frequently underdiagnosed in low- and middle-income countries (LMICs) primarily due to the scarcity of advanced diagnostic tools. Several studies in PH have applied machine learning to low-cost diagnostic tools like 12-lead ECG (12L-ECG), but they mainly focus on areas with limited resources, overlooking areas with no diagnostic tools, such as rural primary healthcare in LMICs. Recent studies have shown the effectiveness of 6-lead ECG (6L-ECG), as a cheaper and portable alternative in detecting various cardiac conditions, but its clinical value for PH detection is not well proved. Furthermore, existing methods treat 12L-/6L-ECG as a single modality, capturing only shared features while overlooking lead-specific features essential for identifying complex cardiac hemodynamic changes. In this paper, we propose Lead-Specific Electrocardiogram Multimodal Variational Autoencoder (LS-EMVAE), a model pre-trained on large-population 12L-ECG data and fine-tuned on task-specific data (12L-ECG or 6L-ECG). LS-EMVAE models each 12L-ECG lead as a separate modality and introduces a hierarchical expert composition using Mixture and Product of Experts for adaptive latent feature fusion between lead-specific and shared features. Unlike existing approaches, LS-EMVAE makes better predictions on both 12L-ECG and 6L-ECG at inference, making it an equitable solution for areas with limited or no diagnostic tools. We pre-trained LS-EMVAE on 800,000 publicly available 12L-ECG samples and fine-tuned it for two tasks: 1) PH detection and 2) phenotyping pre-/post-capillary PH, on in-house datasets of 892 and 691 subjects across 12L-ECG and 6L-ECG settings. Extensive experiments show that LS-EMVAE outperforms existing baselines in both ECG settings, while 6L-ECG achieves performance comparable to 12L-ECG, unlocking its potential for global PH screening in areas without diagnostic tools.
• Abstract（参考訳）: 肺高血圧症 (PH) は, 低所得国や中所得国 (LMICs) で診断されることが多い。 PHにおけるいくつかの研究は、12L-ECG (12L-ECG)のような低コストの診断ツールに機械学習を適用してきたが、主に限られたリソースを持つ領域に焦点を当てており、LMICsにおける農村のプライマリヘルスケアのような診断ツールを持たない領域を見渡している。 近年, 各種心疾患の診断において, 6L-ECG(6L-ECG)が安価でポータブルな代替手段として有効であることが報告されているが, PH検出の臨床的意義はよく分かっていない。 さらに、12L-/6L-ECGを単一のモダリティとして扱い、共有された特徴のみを捉えながら、複雑な心血行動態の変化を特定するのに必須な鉛特異な特徴を見落としている。 本稿では,大人口12L-ECGデータに基づいて事前学習し,タスク固有データ(12L-ECGまたは6L-ECG)に基づいて微調整した,リード型心電図マルチモーダル変分自動エンコーダ(LS-EMVAE)を提案する。 LS-EMVAEは、各12L-ECGリードを別々のモダリティとしてモデル化し、リード固有特徴と共有特徴との適応的潜在特徴融合のためにMixtureとProduct of Expertsを用いた階層的エキスパート合成を導入する。 既存のアプローチとは異なり、LS-EMVAEは推論時に12L-ECGと6L-ECGの両方でより良い予測を行う。 LS-EMVAEを80,000の公開12L-ECGサンプルで事前訓練し、2つのタスクで微調整した。 1)PH検出・検出 2) 12L-ECG, 6L-ECG設定で, 892名, 691名を対象に, 前・後キャピラリーPHの表現型化を行った。 LS-EMVAEは、両方のECG設定で既存のベースラインを上回り、6L-ECGは12L-ECGに匹敵するパフォーマンスを達成し、診断ツールのない領域でグローバルPHスクリーニングの可能性を解放している。

関連論文リスト

• CLEF: Clinically-Guided Contrastive Learning for Electrocardiogram Foundation Models [13.613519337591507]
  シングルリードのECG記録は、臨床レベルのウェアラブルと消費者向けのウェアラブルの両方に統合されている。 未ラベルのECG上でのファンデーションモデルの自己教師付き事前トレーニングは診断性能を向上させるが、既存のアプローチでは臨床メタデータからドメイン知識を取り入れていない。 我々は,確立された臨床リスクスコアを用いて,ネガティブなペアを適応的に重み付けする,新しいコントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2025-12-01T20:21:44Z)
• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• A Benchmark Study of Deep Learning Methods for Multi-Label Pediatric Electrocardiogram-Based Cardiovascular Disease Classification [0.0]
  本稿では,最近リリースされたZZU-pECGデータセットを用いた多ラベル小児CVD分類のためのディープラーニングに関する最初のベンチマーク研究について述べる。 我々はResNet-1D, BiLSTM, Transformer, Mamba 2の4つの代表的なパラダイムを, 9-leadおよび12-lead構成下で評価した。 全てのモデルで強い結果が得られ、ハミング・ロスは0.0069、F1スコアはほとんどの設定で85%以上であった。
  論文  参考訳（メタデータ） (2025-10-04T11:08:46Z)
• EchoBench: Benchmarking Sycophancy in Medical Large Vision-Language Models [82.43729208063468]
  医療用LVLM(Large Vision-Language Models)の最近のベンチマークでは、信頼性と安全性を見越して、リーダボードの精度を強調している。 ユーザが提供した情報を非批判的に反響させる傾向のモデルについて検討する。 医療用LVLMの梅毒を系統的に評価するベンチマークであるEchoBenchを紹介する。
  論文  参考訳（メタデータ） (2025-09-24T14:09:55Z)
• Explainable AI (XAI) for Arrhythmia detection from electrocardiograms [0.0]
  深層学習は心電図(ECG)信号から高い精度の不整脈検出を可能にしているが、臨床応用には限界がある。 本研究では,時系列ECG分析に特化して適応した説明可能なAI(XAI)技術の適用について検討する。
  論文  参考訳（メタデータ） (2025-08-24T10:44:24Z)
• Sensing Cardiac Health Across Scenarios and Devices: A Multi-Modal Foundation Model Pretrained on Heterogeneous Data from 1.7 Million Individuals [36.08910150609342]
  広大で異質な健康記録から統一された表現を学習する心センシング基礎モデル(CSFM)を提案する。 我々のモデルは、複数の大規模データセットからのデータの革新的なマルチモーダル統合に基づいて事前訓練されている。 CSFMは従来のワンモーダル・ワン・タスク・アプローチより一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-23T20:58:12Z)
• Heartcare Suite: Multi-dimensional Understanding of ECG with Raw Multi-lead Signal Modeling [50.58126509704037]
  医療スイート(Heartcare Suite)は、微細心電図(ECG)の理解のためのフレームワークである。 Heartcare-220Kは高品質で構造化され、包括的なマルチモーダルECGデータセットである。 Heartcare-Benchは、ECGシナリオにおける医療マルチモーダル大言語モデル(Med-MLLM)の最適化を導くためのベンチマークである。
  論文  参考訳（メタデータ） (2025-06-06T07:56:41Z)
• xLSTM-ECG: Multi-label ECG Classification via Feature Fusion with xLSTM [14.02717596836022]
  本稿では,ECG信号のマルチラベル分類手法であるxLSTM-ECGを提案する。 我々の知る限り、この研究は、マルチラベルECG分類に特化して適応したxLSTMモジュールの設計と応用を表すものである。
  論文  参考訳（メタデータ） (2025-04-14T16:12:46Z)
• GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images [44.50428701650495]
  GEMは,第1回MLLM統合ECG時系列,第12回リードECG画像,地上および臨床のECG解釈のためのテキストである。 GEMは、3つのコアイノベーションを通じて機能的解析、エビデンス駆動推論、および臨床医のような診断プロセスを可能にする。 基礎心電図理解におけるMLLMの能力を評価するために,臨床動機付けのベンチマークであるグラウンドドECGタスクを提案する。
  論文  参考訳（メタデータ） (2025-03-08T05:48:53Z)
• Conditional Electrocardiogram Generation Using Hierarchical Variational Autoencoders [0.0]
  我々は、ECG信号生成(cNVAE-ECG)のための条件付きヌーヴォーVAEモデルを提案する。 本稿では,ECG信号生成(cNVAE-ECG)のための公用条件付きVAEモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-03T13:30:36Z)
• An Electrocardiogram Foundation Model Built on over 10 Million Recordings with External Evaluation across Multiple Domains [17.809094003643523]
  我々はECG解析の診断能力を拡大するECGファウンデーションモデル(ECGFounder)を導入する。 ECGFounderは、Harvard-Emory ECG Databaseから150のラベルカテゴリを持つ1000万以上のECGでトレーニングされた。 AUROCは80の診断で0.95を超える。
  論文  参考訳（メタデータ） (2024-10-05T12:12:02Z)
• Multi-Channel Masked Autoencoder and Comprehensive Evaluations for Reconstructing 12-Lead ECG from Arbitrary Single-Lead ECG [19.74009541199362]
  本研究では、任意のシングルリードECGから12リードECGを再構成するためのマルチチャネルマスク付きオートエンコーダ(MCMA)を提案する。 信号レベル評価では,平均平方誤差0.0317,0.1034,ピアソン相関係数0.7885,0.7420であった。 特徴レベル評価では、生成した12リード心電図の平均心拍数の平均標準偏差は1.0481であり、変動係数は1.58%、範囲は3.2874である。
  論文  参考訳（メタデータ） (2024-07-16T08:17:45Z)
• Foundation Models for ECG: Leveraging Hybrid Self-Supervised Learning for Advanced Cardiac Diagnostics [2.948318253609515]
  自己教師付き学習(SSL)法で強化された基礎モデルを用いることで、心電図(ECG)解析に対する革新的なアプローチが提示される。 本研究は、生成学習やコントラスト学習を含むSSL手法を利用して、ECGの基礎モデルを包括的に評価する。 心臓診断の精度と信頼性を向上させる基礎モデルのためのハイブリッドラーニング(HL)を開発した。
  論文  参考訳（メタデータ） (2024-06-26T02:24:13Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• Zero-Shot ECG Classification with Multimodal Learning and Test-time Clinical Knowledge Enhancement [10.611952462532908]
  マルチモーダルECG表現学習(MERL)は、テキストプロンプトでゼロショットECG分類を行うことができる。 本稿では,外部の専門知識データベースを利用した臨床知識向上技術(CKEPE)アプローチを提案する。 MERLは、ゼロショット分類における平均75.2%のAUCスコアを(トレーニングデータなしで)達成し、10%の注釈付きトレーニングデータを持つ線形プローブeSSLメソッドよりも3.2%高い。
  論文  参考訳（メタデータ） (2024-03-11T12:28:55Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• A Dual-scale Lead-seperated Transformer With Lead-orthogonal Attention And Meta-information For Ecg Classification [26.07181634056045]
  本研究は、鉛直交注意とメタ情報(DLTM-ECG)を併用したデュアルスケールリード分離変圧器を提案する。 ECGセグメントは独立パッチとして解釈され、縮小次元信号と共に二重スケールの表現を形成する。 我々の研究は、同様の多チャンネル生体電気信号処理や生理的多モードタスクの可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-23T08:45:34Z)
• 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)
• 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)
• Interpretable Deep Learning for Automatic Diagnosis of 12-lead Electrocardiogram [15.464768773761527]
  12誘導心電図記録における心不整脈のマルチラベル分類のためのディープニューラルネットワークを開発した。 提案モデルでは、受信機動作特性曲線(AUC)0.970、F1スコア0.813の平均領域を達成した。 最も優れたリードは、12のリードのうち、リードI、aVR、V5である。
  論文  参考訳（メタデータ） (2020-10-20T14:51:00Z)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)
• 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。