論文の概要: Predicting Cardiopulmonary Exercise Testing Outcomes in Congenital Heart Disease Through Multi-modal Data Integration and Geometric Learning

• arxiv url: http://arxiv.org/abs/2503.14239v1
• Date: Tue, 18 Mar 2025 13:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:15:06.749777
• Title: Predicting Cardiopulmonary Exercise Testing Outcomes in Congenital Heart Disease Through Multi-modal Data Integration and Geometric Learning
• Title（参考訳）: 先天性心疾患におけるマルチモーダルデータ統合と幾何学的学習による心肺運動検査結果の予測
• Authors: Muhammet Alkan, Gruschen Veldtman, Fani Deligianni,
• Abstract要約: 心肺運動テスト(CPET)は、重要な生理的変数を測定することにより、機能的能力の総合的な評価を提供する。 本研究では,先天性心疾患(CHD)患者におけるCPET変数を代理的死亡エンドポイントとして活用する。 これは、心電図と臨床文字から得られる情報を統合することでCPETの結果を予測する高度な機械学習アプローチの最初の成功例である。
• 参考スコア（独自算出の注目度）: 1.8597900718300184
• License:
• Abstract: Cardiopulmonary exercise testing (CPET) provides a comprehensive assessment of functional capacity by measuring key physiological variables including oxygen consumption ($VO_2$), carbon dioxide production ($VCO_2$), and pulmonary ventilation ($VE$) during exercise. Previous research has established that parameters such as peak $VO_2$ and $VE/VCO_2$ ratio serve as robust predictors of mortality risk in chronic heart failure patients. In this study, we leverage CPET variables as surrogate mortality endpoints for patients with Congenital Heart Disease (CHD). To our knowledge, this represents the first successful implementation of an advanced machine learning approach that predicts CPET outcomes by integrating electrocardiograms (ECGs) with information derived from clinical letters. Our methodology began with extracting unstructured patient information-including intervention history, diagnoses, and medication regimens-from clinical letters using natural language processing techniques, organizing this data into a structured database. We then digitized ECGs to obtain quantifiable waveforms and established comprehensive data linkages. The core innovation of our approach lies in exploiting the Riemannian geometric properties of covariance matrices derived from both 12-lead ECGs and clinical text data to develop robust regression and classification models. Through extensive ablation studies, we demonstrated that the integration of ECG signals with clinical documentation, enhanced by covariance augmentation techniques in Riemannian space, consistently produced superior predictive performance compared to conventional approaches.
• Abstract（参考訳）: 心肺運動テスト(CPET)は、運動中の酸素消費量(VO_2$)、二酸化炭素生産(VCO_2$)、肺換気(VE$)などの重要な生理的変数を測定することで、機能能力の包括的な評価を提供する。 これまでの研究では、慢性心不全患者の死亡リスクの強い予測因子として、最高$VO_2$や$VE/VCO_2$のパラメータが用いられていた。 本研究では,先天性心疾患(CHD)患者のCPET変数を代理的死亡エンドポイントとして活用する。 我々の知る限り、心電図(ECG)と臨床文字から得られる情報を統合することでCPET結果を予測する高度な機械学習手法が最初に成功した例である。 本手法は, 自然言語処理技術を用いて, 非構造化患者情報, 介入履歴, 診断, 医薬品レギュラーを臨床書面から抽出し, このデータを構造化データベースに整理することから始まった。 次に、デジタル化されたECGを用いて定量波形を取得し、包括的データリンクを確立する。 このアプローチの核となる革新は、12個の心電図と臨床テキストデータから導かれる共分散行列のリーマン幾何学的性質を利用して、頑健な回帰モデルと分類モデルを開発することである。 広範囲にわたるアブレーション研究を通じて,リマン空間における共分散増強技術により強化されたECG信号と臨床文書の統合が,従来の手法に比べて常に優れた予測性能を示した。

関連論文リスト

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• rECGnition_v1.0: Arrhythmia detection using cardiologist-inspired multi-modal architecture incorporating demographic attributes in ECG [3.0473237906125954]
  本稿では,心電図解析と不整脈分類のための新しいマルチモーダル手法を提案する。 提案したrECGnition_v1.0アルゴリズムはクリニックへの展開の道を開く。
  論文  参考訳（メタデータ） (2024-10-09T11:17:02Z)
• SSSD-ECG-nle: New Label Embeddings with Structured State-Space Models for ECG generation [0.0]
  拡散モデルは近年大きく進歩し、実際のモデルに匹敵するデータを合成する可能性を生み出している。 本稿では,SSSD-ECGに基づくSSSD-ECG-nleアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-07-15T16:31:25Z)
• Joint optimization of a $\beta$-VAE for ECG task-specific feature extraction [1.3124513975412255]
  説明可能な特徴抽出器として$beta$-variational autoencoders (VAEs) を用いた。 信号再構成と心機能予測を共同で最適化することにより,予測能力の向上を図る。
  論文  参考訳（メタデータ） (2023-03-28T12:53:07Z)
• Analysis of Digitalized ECG Signals Based on Artificial Intelligence and Spectral Analysis Methods Specialized in ARVC [0.0]
  不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。 心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-02-28T13:12:50Z)
• 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)
• CoRSAI: A System for Robust Interpretation of CT Scans of COVID-19 Patients Using Deep Learning [133.87426554801252]
  我々は,深部畳み込み神経網のアンサンブルを用いた肺CTスキャンのセグメンテーションによるアプローチを採用した。 本モデルを用いて, 病変の分類, 患者の動態の評価, 病変による肺の相対体積の推定, 肺の損傷ステージの評価が可能となった。
  論文  参考訳（メタデータ） (2021-05-25T12:06:55Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
  心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。 このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。 本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。 我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
  論文  参考訳（メタデータ） (2021-02-02T19:51:12Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。