論文の概要: TransECG: Leveraging Transformers for Explainable ECG Re-identification Risk Analysis

• arxiv url: http://arxiv.org/abs/2503.13495v1
• Date: Tue, 11 Mar 2025 07:37:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-23 19:50:36.990525
• Title: TransECG: Leveraging Transformers for Explainable ECG Re-identification Risk Analysis
• Title（参考訳）: TransECG: 説明可能なECG再識別リスク分析のためのレバレッジトランスフォーマ
• Authors: Ziyu Wang, Elahe Khatibi, Kianoosh Kazemi, Iman Azimi, Sanaz Mousavi, Shaista Malik, Amir M. Rahmani,
• Abstract要約: 本研究では、性別、年齢、参加者IDなどの再識別タスクに関連する重要なECGセグメントをピンポイントするビジョントランスフォーマー(ViT)ベースの方法であるTransECGを紹介する。 このアプローチでは,87名の参加者を持つ4つの実世界のデータセットに対して,高い精度(性別89.9%,年齢89.9%,IDの再識別88.6%)を示す。
• 参考スコア（独自算出の注目度）: 3.0116875872058584
• License:
• Abstract: Electrocardiogram (ECG) signals are widely shared across multiple clinical applications for diagnosis, health monitoring, and biometric authentication. While valuable for healthcare, they also carry unique biometric identifiers that pose privacy risks, especially when ECG data shared across multiple entities. These risks are amplified in shared environments, where re-identification threats can compromise patient privacy. Existing deep learning re-identification models prioritize accuracy but lack explainability, making it challenging to understand how the unique biometric characteristics encoded within ECG signals are recognized and utilized for identification. Without these insights, despite high accuracy, developing secure and trustable ECG data-sharing frameworks remains difficult, especially in diverse, multi-source environments. In this work, we introduce TransECG, a Vision Transformer (ViT)-based method that uses attention mechanisms to pinpoint critical ECG segments associated with re-identification tasks like gender, age, and participant ID. Our approach demonstrates high accuracy (89.9% for gender, 89.9% for age, and 88.6% for ID re-identification) across four real-world datasets with 87 participants. Importantly, we provide key insights into ECG components such as the R-wave, QRS complex, and P-Q interval in re-identification. For example, in the gender classification, the R wave contributed 58.29% to the model's attention, while in the age classification, the P-R interval contributed 46.29%. By combining high predictive performance with enhanced explainability, TransECG provides a robust solution for privacy-conscious ECG data sharing, supporting the development of secure and trusted healthcare data environment.
• Abstract（参考訳）: 心電図(ECG)信号は、診断、健康モニタリング、生体認証のための複数の臨床応用で広く共有されている。 医療には価値がありますが、特に複数のエンティティ間でECGデータが共有されている場合、プライバシー上のリスクを引き起こすユニークな生体認証も備えています。 これらのリスクは、再識別の脅威が患者のプライバシを損なう可能性がある共有環境で増幅される。 既存のディープラーニング再同定モデルは精度を優先するが、説明性に欠けており、ECG信号に符号化されたユニークな生体特性がどのように認識され、識別に利用されるかを理解することは困難である。 これらの洞察がなければ、高い正確さにもかかわらず、セキュアで信頼性の高いECGデータ共有フレームワークの開発は、特に多様なマルチソース環境において難しいままである。 本研究では,性別,年齢,参加者IDなどの再識別タスクに関連する重要なECGセグメントをピンポイントする注意機構を用いた視覚変換器(ViT)を用いたTransECGを紹介する。 このアプローチでは,87名の参加者を持つ4つの実世界のデータセットに対して,高い精度(性別89.9%,年齢89.9%,IDの再識別88.6%)を示す。 重要なことは、再同定において、R波、QRS複素数、P-Q区間などのECG成分について重要な洞察を提供することである。 例えば、性別分類では、R波は58.29%、年齢分類ではP-R間隔は46.29%である。 高い予測性能と説明可能性の向上を組み合わせることで、TransECGはプライバシーに配慮したECGデータ共有のための堅牢なソリューションを提供し、セキュアで信頼性の高い医療データ環境の開発をサポートする。

関連論文リスト

• DiffuSETS: 12-lead ECG Generation Conditioned on Clinical Text Reports and Patient-Specific Information [13.680337221159506]
  心臓病は人間の健康にとって重大な脅威である。 プライバシー上の懸念と限られた医療資源によって駆動される高品質なECGデータの空洞化は、効果的なECG信号生成の押し付けの必要性を生み出します。 セマンティックアライメントと忠実度の高いECG信号を生成可能な新しいフレームワークであるDiffuSETSを提案する。
  論文  参考訳（メタデータ） (2025-01-10T12:55:34Z)
• CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
  脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。 具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。 このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-12-13T16:27:54Z)
• AnyECG: Foundational Models for Multitask Cardiac Analysis in Real-World Settings [34.078819572852446]
  心電図(ECG)は急性心臓発作の検出に非常に敏感である。 本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。
  論文  参考訳（メタデータ） (2024-11-17T17:32:58Z)
• FEDMEKI: A Benchmark for Scaling Medical Foundation Models via Federated Knowledge Injection [83.54960238236548]
  FEDMEKIはデータのプライバシーを守るだけでなく、医療基盤モデルの能力を高める。 FEDMEKIは、医療ファンデーションモデルに対して、直接データを公開することなく、幅広い医療知識から学ぶことを可能にする。
  論文  参考訳（メタデータ） (2024-08-17T15:18:56Z)
• ECG Unveiled: Analysis of Client Re-identification Risks in Real-World ECG Datasets [3.5393407453410846]
  実世界の5つのデータセットのECGデータを用いて,識別再識別リスクの実証分析を行った。 本手法は,臨床専門家に貴重な知見を提供し,効果的なプライバシ保護機構の開発を導くものである。
  論文  参考訳（メタデータ） (2024-08-02T19:24:55Z)
• Anomaly Detection in Electrocardiograms: Advancing Clinical Diagnosis Through Self-Supervised Learning [32.37717219026923]
  既存のシステムは、心臓のマクロ/ミクロ構造における深刻な生命を脅かす問題や変化の前兆となる稀な心臓異常を見逃すことがしばしばある。 本研究は自己監督型異常検出(AD)に焦点をあて,異常を示す偏差を認識するために,正常心電図のみを訓練する。 本稿では,心電図の異常を自律的に検出し,局所化するために,正常心電図の膨大なデータセットを利用する,心電図ADのための新しい自己教師型学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-07T12:15:53Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• 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)
• Hybrid Score- and Rank-level Fusion for Person Identification using Face and ECG Data [0.0]
  ユニモーダル識別システムは、センサデータ収集におけるエラーに対して脆弱である。 本稿では,顔と心電図データの識別結果を組み合わせる手法を提案する。
  論文  参考訳（メタデータ） (2020-08-07T19:54:59Z)

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。