論文の概要: Heart2Mind: Human-Centered Contestable Psychiatric Disorder Diagnosis System using Wearable ECG Monitors

• arxiv url: http://arxiv.org/abs/2505.11612v1
• Date: Fri, 16 May 2025 18:21:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.736927
• Title: Heart2Mind: Human-Centered Contestable Psychiatric Disorder Diagnosis System using Wearable ECG Monitors
• Title（参考訳）: Heart2Mind:ウェアラブル心電図モニターを用いた人間中心の難治性精神障害診断システム
• Authors: Hung Nguyen, Alireza Rahimi, Veronica Whitford, Hélène Fournier, Irina Kondratova, René Richard, Hung Cao,
• Abstract要約: Heart2Mind(ハート2ミンド)は、ウェアラブル心電図(ECG)モニターを用いたヒト中心の精神疾患診断システムである。 本システムは,(1)極性H9/H10デバイスからのリアルタイムデータ取得のための心臓モニタリングインタフェース(CMI),(2)統合時間周波数領域分析によるRRI時系列処理を行うマルチスケールテンポラル周波数変換器(MSTFT),(3)自己反転説明(SAE)と競合可能な大言語モデル(LLM)を組み合わせた検査可能な診断インタフェース(CDI)からなる。
• 参考スコア（独自算出の注目度）: 2.03647070634706
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Psychiatric disorders affect millions globally, yet their diagnosis faces significant challenges in clinical practice due to subjective assessments and accessibility concerns, leading to potential delays in treatment. To help address this issue, we present Heart2Mind, a human-centered contestable psychiatric disorder diagnosis system using wearable electrocardiogram (ECG) monitors. Our approach leverages cardiac biomarkers, particularly heart rate variability (HRV) and R-R intervals (RRI) time series, as objective indicators of autonomic dysfunction in psychiatric conditions. The system comprises three key components: (1) a Cardiac Monitoring Interface (CMI) for real-time data acquisition from Polar H9/H10 devices; (2) a Multi-Scale Temporal-Frequency Transformer (MSTFT) that processes RRI time series through integrated time-frequency domain analysis; (3) a Contestable Diagnosis Interface (CDI) combining Self-Adversarial Explanations (SAEs) with contestable Large Language Models (LLMs). Our MSTFT achieves 91.7% accuracy on the HRV-ACC dataset using leave-one-out cross-validation, outperforming state-of-the-art methods. SAEs successfully detect inconsistencies in model predictions by comparing attention-based and gradient-based explanations, while LLMs enable clinicians to validate correct predictions and contest erroneous ones. This work demonstrates the feasibility of combining wearable technology with Explainable Artificial Intelligence (XAI) and contestable LLMs to create a transparent, contestable system for psychiatric diagnosis that maintains clinical oversight while leveraging advanced AI capabilities. Our implementation is publicly available at: https://github.com/Analytics-Everywhere-Lab/heart2mind.
• Abstract（参考訳）: 精神疾患は世界中に何百万もの影響を及ぼすが、主観的な評価やアクセシビリティの懸念により臨床実践において大きな課題に直面しており、治療の遅れにつながる可能性がある。 この問題に対処するために,ウェアラブル心電図(ECG)モニターを用いたヒト中心の競合精神疾患診断システムであるHeart2Mindを提案する。 本稿では, 心臓バイオマーカー, 特に心拍変動 (HRV) とR-R間隔 (RRI) の時系列を, 精神疾患における自律神経機能障害の客観的指標として活用する。 本システムは,(1)極性H9/H10デバイスからリアルタイムにデータを取得するための心臓モニタリングインタフェース(CMI),(2)統合された時間周波数ドメイン分析を通じてRRI時系列を処理するマルチスケールテンポラル周波数変換器(MSTFT),(3)自己反転説明(SAE)と競合可能な大言語モデル(LLM)を組み合わせた検査可能な診断インタフェース(CDI)の3つの主要コンポーネントから構成される。 我々のMSTFTは,HRV-ACCデータセットの91.7%の精度を実現している。 SAEは、注意に基づく説明と勾配に基づく説明を比較して、モデル予測の不整合を検出するのに成功し、一方LLMは、臨床者が正しい予測を検証し、誤った予測に異議を唱えることを可能にする。 この研究は、ウェアラブル技術と説明可能な人工知能(XAI)と競合可能なLLMを組み合わせることで、高度なAI能力を活用しながら臨床の監視を維持できる透明で競合可能な精神診断システムを構築する可能性を示している。 私たちの実装は、https://github.com/Analytics-Everywhere-Lab/heart2mind.comで公開されています。

関連論文リスト

• AI on the Pulse: Real-Time Health Anomaly Detection with Wearable and Ambient Intelligence [4.494833548150712]
  我々は、患者を継続的に監視する現実世界の異常検知システムであるPulseにAIを導入する。 SoTA(State-of-the-art)のユニバーサル時系列モデルであるUniTSによって、我々のフレームワークは患者のユニークな生理的および行動的パターンを自律的に学習する。
  論文  参考訳（メタデータ） (2025-08-05T13:24:15Z)
• mCardiacDx: Radar-Driven Contactless Monitoring and Diagnosis of Arrhythmia [4.360597490291855]
  不整脈(英: arrhythmia)は、時間的介入なしに重篤な合併症を発症させる一般的な心疾患である。 既存の非接触モニタリングは、主に健常者向けに設計されており、不整脈患者の反射信号を分析する際に重大な課題に直面している。 不整脈モニタリングと診断のために、反射信号を正確に解析し、心臓脈波形を再構成するレーダー駆動接触レスシステムであるmCardiacDxを導入する。
  論文  参考訳（メタデータ） (2025-08-04T10:40:56Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• A Retrieval-Augmented Multi-Agent Framework for Psychiatry Diagnosis [44.4032296111169]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Advancements in Artificial Intelligence Applications for Cardiovascular Disease Research [0.0]
  人工知能(AI)の最近の進歩は、心臓血管医学に革命をもたらした。 ディープラーニングアーキテクチャは、医療画像と生理的信号の自動解析を可能にする。 今後の方向性は、パーソナライズされた心血管ケアを洗練させるために、マルチモーダルデータと適応アルゴリズムを統合するハイブリッドモデルに重点を置いている。
  論文  参考訳（メタデータ） (2025-06-04T08:31:28Z)
• 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)
• GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images [43.65650710265957]
  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)
• Detecting Long QT Syndrome and First-Degree Atrioventricular Block using Single-Lead AI-ECG: A Multi-Center Real-World Study [12.802249610851181]
  ホームベースのシングルリードAI-ECGデバイスは、継続的、現実世界の心臓モニタリングを可能にした。 本研究では,ECG計測計算アルゴリズムであるFeatureDBを,シングルリードモニタリングの文脈で評価した。 LQTSとAVBIの検出において、FeatureDBは商用ECGシステムに匹敵する診断性能を示した。
  論文  参考訳（メタデータ） (2025-02-21T08:11:17Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly Detection [33.48389041651675]
  心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。 希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。 本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
  論文  参考訳（メタデータ） (2023-08-03T09:16:57Z)
• Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference [6.447210290674733]
  シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。 感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
  論文  参考訳（メタデータ） (2023-07-10T08:54:12Z)
• Behavior Score-Embedded Brain Encoder Network for Improved Classification of Alzheimer Disease Using Resting State fMRI [36.40726715739385]
  本稿では、日常的に管理される心理検査情報を、被験者の静止状態fMRIデータの符号化手順に統合する行動スコア埋め込みエンコーダネットワーク(BSEN)を提案する。 BSENは、MMSE(MiniMental State Examination)とCDR(Citical Dementia Rating)の行動スコアを併用した3次元畳み込み自己エンコーダ構造に基づく。 提案するBSENを用いた分類フレームワークは, 総合的認識精度59.44%(AD, MCI, Healthy Control)を達成し, 健康管理(HC)と健康管理(HC)の最も差別的な領域を抽出した。
  論文  参考訳（メタデータ） (2022-11-04T09:58:45Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• SIM-ECG: A Signal Importance Mask-driven ECGClassification System [11.030532126096006]
  心臓病は1番のキラーであり、心電図は早期診断と致命的な結果の予防に役立つ。 現在のシステムは、熟練したECGリーダーほど正確ではなく、診断を提供するブラックボックスアプローチは、医療従事者による信頼の欠如をもたらす。 本稿では,フィードバックを継続的に受け取り,精度を向上し,その結果の診断を除外する,信号重要マスクフィードバックに基づく機械学習システムを提案する。
  論文  参考訳（メタデータ） (2021-10-28T01:27:37Z)
• Continuous Non-Invasive Eye Tracking In Intensive Care [31.348963275486494]
  デリリウムは急激な混乱状態であり、集中治療室でよく見られる。 現在の診断法にはいくつかの制限があり、眼球運動による視線追跡が提案されている。 このシステムは、ICUに配備された最初のアイトラッキングシステムである。
  論文  参考訳（メタデータ） (2021-07-23T16:19:35Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。