論文の概要: Application of Contrastive Learning on ECG Data: Evaluating Performance in Japanese and Classification with Around 100 Labels

• arxiv url: http://arxiv.org/abs/2504.09302v1
• Date: Sat, 12 Apr 2025 18:20:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:52:41.059522
• Title: Application of Contrastive Learning on ECG Data: Evaluating Performance in Japanese and Classification with Around 100 Labels
• Title（参考訳）: コントラスト学習のECGデータへの適用:日本語のパフォーマンス評価と約100ラベルの分類
• Authors: Junichiro Takahashi, JingChuan Guan, Masataka Sato, Kaito Baba, Kazuto Haruguchi, Daichi Nagashima, Satoshi Kodera, Norihiko Takeda,
• Abstract要約: 心電図(ECG)は、その強力で非侵襲的な性質から、心臓血管診断の基本的なツールである。 機械学習の最近の研究は、ECGデータから貴重な情報を抽出することでこの問題に対処している。 全国の病院に来院した一般患者からの心電図データを利用して,多くの日本人ラベルを保有した。 比較学習の枠組みを用いて,98のラベルを分類しても,日本語の言語モデルは従来の研究に匹敵する精度を達成できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The electrocardiogram (ECG) is a fundamental tool in cardiovascular diagnostics due to its powerful and non-invasive nature. One of the most critical usages is to determine whether more detailed examinations are necessary, with users ranging across various levels of expertise. Given this diversity in expertise, it is essential to assist users to avoid critical errors. Recent studies in machine learning have addressed this challenge by extracting valuable information from ECG data. Utilizing language models, these studies have implemented multimodal models aimed at classifying ECGs according to labeled terms. However, the number of classes was reduced, and it remains uncertain whether the technique is effective for languages other than English. To move towards practical application, we utilized ECG data from regular patients visiting hospitals in Japan, maintaining a large number of Japanese labels obtained from actual ECG readings. Using a contrastive learning framework, we found that even with 98 labels for classification, our Japanese-based language model achieves accuracy comparable to previous research. This study extends the applicability of multimodal machine learning frameworks to broader clinical studies and non-English languages.
• Abstract（参考訳）: 心電図(ECG)は、その強力で非侵襲的な性質から、心臓血管診断の基本的なツールである。 もっとも重要な用途の1つは、より詳細な検査が必要かどうかを判断することであり、ユーザーは様々なレベルの専門知識を持つ。 このような専門知識の多様性を考えると、ユーザに重大なエラーを避けるための支援が不可欠である。 機械学習の最近の研究は、ECGデータから貴重な情報を抽出することでこの問題に対処している。 これらの研究は言語モデルを用いて、ラベル付き用語によるECGの分類を目的としたマルチモーダルモデルを実装している。 しかし、授業数は減少し、英語以外の言語にも効果があるかは定かではない。 本研究は,本邦の病院を受診する一般患者からのECGデータを活用し,実際のECGデータから得られた大量の日本語ラベルを保存した。 比較学習の枠組みを用いて,98のラベルを分類しても,日本語の言語モデルでは,従来の研究に匹敵する精度が得られた。 本研究は、多モーダル機械学習フレームワークの幅広い臨床研究および非英語言語への適用性を拡張した。

関連論文リスト

• ECGBERT: Understanding Hidden Language of ECGs with Self-Supervised Representation Learning [6.0106590095197605]
  ECGBERTは、ECGの基本言語をアンロックする自己教師付き表現学習アプローチである。 我々は,ECGBERTが様々なタスクで最先端の成果を得られる可能性を実証する。
  論文  参考訳（メタデータ） (2023-06-10T04:23:08Z)
• Automated Cardiovascular Record Retrieval by Multimodal Learning between Electrocardiogram and Clinical Report [28.608260758775316]
  本稿では,Large Language Models (LLM) と Vision-Transformer (ViT) モデルにおける最近のブレークスルーを活用し,ECGの解釈に新たなアプローチを導入する。 入力ECGデータに基づいて,最も類似した症例を自動的に同定する手法を提案する。 本研究は,未開発地域において診断サービスを提供する上で重要な資源となる可能性がある。
  論文  参考訳（メタデータ） (2023-04-13T06:32:25Z)
• Frozen Language Model Helps ECG Zero-Shot Learning [12.974685769614062]
  マルチモーダルECG-Text Self-supervised pre-training (METS)を提案する。 トレーニング可能なECGエンコーダと凍結言語モデルを用いて,ペアのECGを組込み,個別に自動で臨床報告を行う。 下流の分類タスクでは、METSは注釈付きデータを使わずに、約10%のパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-03-22T05:01:14Z)
• Cross-Lingual Knowledge Transfer for Clinical Phenotyping [55.92262310716537]
  本稿では,英語を使わないクリニックに対して,このタスクを実行するための言語間知識伝達戦略について検討する。 ギリシャ語とスペイン語のクリニックに対して,異なる臨床領域のクリニカルノートを活用して,これらの戦略を評価する。 以上の結果から,多言語データを用いることで,臨床表現型モデルが改善され,データの疎度を補うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-08-03T08:33:21Z)
• ECG Heartbeat classification using deep transfer learning with Convolutional Neural Network and STFT technique [3.0065593137364353]
  そこで本研究では,小規模学習データセットの分類を目的としたディープトランスファー学習フレームワークを提案する。 提案手法は、AAMI EC57規格に従って、汎用画像分類器ResNet-18をMIT-BIH不整脈データセットで微調整する。
  論文  参考訳（メタデータ） (2022-06-28T04:57:02Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)
• Designing ECG Monitoring Healthcare System with Federated Transfer Learning and Explainable AI [4.694126527114577]
  我々は、ECGベースの医療アプリケーションのための連合環境で、新しい説明可能な人工知能(XAI)ベースのディープラーニングフレームワークを設計する。 提案したフレームワークは、MIT-BIH Arrhythmiaデータベースを使用してトレーニングされ、テストされた。
  論文  参考訳（メタデータ） (2021-05-26T11:59:44Z)
• 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)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。