論文の概要: IKrNet: A Neural Network for Detecting Specific Drug-Induced Patterns in Electrocardiograms Amidst Physiological Variability

• arxiv url: http://arxiv.org/abs/2505.07533v1
• Date: Mon, 12 May 2025 13:14:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.390742
• Title: IKrNet: A Neural Network for Detecting Specific Drug-Induced Patterns in Electrocardiograms Amidst Physiological Variability
• Title（参考訳）: IKrNet:生理的変動下における心電図の薬物誘発パターン検出のためのニューラルネットワーク
• Authors: Ahmad Fall, Federica Granese, Alex Lence, Dominique Fourer, Blaise Hanczar, Joe-Elie Salem, Jean-Daniel Zucker, Edi Prifti,
• Abstract要約: 本研究は、特定の生理的条件下での心電図における薬物特異的パターンを識別する新しいニューラルネットワークモデルであるIKrNetを紹介する。 IKrNetのアーキテクチャは、空間的特徴を捉えるために、様々な受容野サイズを持つ畳み込みバックボーンを使用することによって、空間的および時間的ダイナミクスを取り入れている。 IKrNetは、様々な生理的条件下での最先端モデルの精度と安定性に優れており、その臨床的生存性を裏付けている。
• 参考スコア（独自算出の注目度）: 2.017627917643174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitoring and analyzing electrocardiogram (ECG) signals, even under varying physiological conditions, including those influenced by physical activity, drugs and stress, is crucial to accurately assess cardiac health. However, current AI-based methods often fail to account for how these factors interact and alter ECG patterns, ultimately limiting their applicability in real-world settings. This study introduces IKrNet, a novel neural network model, which identifies drug-specific patterns in ECGs amidst certain physiological conditions. IKrNet's architecture incorporates spatial and temporal dynamics by using a convolutional backbone with varying receptive field size to capture spatial features. A bi-directional Long Short-Term Memory module is also employed to model temporal dependencies. By treating heart rate variability as a surrogate for physiological fluctuations, we evaluated IKrNet's performance across diverse scenarios, including conditions with physical stress, drug intake alone, and a baseline without drug presence. Our assessment follows a clinical protocol in which 990 healthy volunteers were administered 80mg of Sotalol, a drug which is known to be a precursor to Torsades-de-Pointes, a life-threatening arrhythmia. We show that IKrNet outperforms state-of-the-art models' accuracy and stability in varying physiological conditions, underscoring its clinical viability.
• Abstract（参考訳）: 心電図(ECG)信号のモニタリングと解析は、身体活動、薬物、ストレスなど、様々な生理的条件下であっても、心臓の健康を正確に評価することが重要である。 しかし、現在のAIベースのメソッドは、これらの要因がどのようにECGパターンを相互作用し、変更するかを説明できないことが多く、最終的に実際の設定で適用性を制限する。 本研究は、特定の生理的条件下での心電図における薬物特異的パターンを識別する新しいニューラルネットワークモデルであるIKrNetを紹介する。 IKrNetのアーキテクチャは、空間的特徴を捉えるために、様々な受容野サイズを持つ畳み込みバックボーンを使用することによって、空間的および時間的ダイナミクスを取り入れている。 双方向のLong Short-Term Memoryモジュールも、時間的依存関係をモデル化するために使用される。 心拍変動を生理的変動のサロゲートとして扱うことにより,IKrNetの性能は,身体的ストレス,薬物摂取単独,薬物存在のないベースラインなど,様々なシナリオで評価した。 990名の健常者に対して80mgのソタロールを投与した。 IKrNetは、様々な生理的条件下での最先端モデルの精度と安定性に優れており、その臨床的生存性を裏付けている。

関連論文リスト

• Physics-informed neural network estimation of active material properties in time-dependent cardiac biomechanical models [2.8763745263714005]
  本研究では、時間依存型心臓生体力学モデルにおいて、アクティブな収縮性パラメーターを推定するための物理インフォームドニューラルネットワーク(PINN)の適用について検討する。 我々は騒音や空間分解能の高い環境下で様々な活動的応力場を再構築することができる。 このアプローチは、心臓線維症の診断、治療計画、心臓状態の管理を大幅に改善する新たな経路を開く。
  論文  参考訳（メタデータ） (2025-05-06T10:01:16Z)
• ArrhythmiaVision: Resource-Conscious Deep Learning Models with Visual Explanations for ECG Arrhythmia Classification [0.0]
  本稿では,エッジデバイス上での効率的なリアルタイム不整脈分類に最適化されたArrhythmiNet V1とV2を提案する。 MobileNetの深い分離可能な畳み込み設計にインスパイアされたこれらのモデルは、それぞれ302.18KBと157.76KBのメモリフットプリントを維持している。 本研究は, 実用, ウェアラブル, 組込みECGモニタリングシステムにおいて, 解釈可能性, 予測精度, 計算効率の両立の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-04-30T18:22:45Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• DE-PADA: Personalized Augmentation and Domain Adaptation for ECG Biometrics Across Physiological States [6.857781758172894]
  パーソナライズされた拡張とドメイン適応を備えたデュアルエキスパートモデルであるDE-PADAを提案する。 このモデルは、エクササイズデータに直接露出することなく、主に安静状態データに基づいて訓練されている。 トロント大学ECGデータベースの実験では、モデルの有効性が示されている。
  論文  参考訳（メタデータ） (2025-02-07T14:46:13Z)
• REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
  本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。 グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。 本モデルは,発作検出と分類作業において高い精度を示す。
  論文  参考訳（メタデータ） (2024-06-03T16:30:19Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Individualized Dosing Dynamics via Neural Eigen Decomposition [51.62933814971523]
  ニューラル固有微分方程式アルゴリズム(NESDE)を導入する。 NESDEは個別化モデリング、新しい治療ポリシーへの調整可能な一般化、高速で連続的でクローズドな予測を提供する。 本研究は, 総合的・現実的な医療問題におけるNESDEの堅牢性を実証し, 学習力学を用いて, 模擬医療体育環境の公開を行う。
  論文  参考訳（メタデータ） (2023-06-24T17:01:51Z)
• 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)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• 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。