論文の概要: Machine Learning-Based Analysis of ECG and PCG Signals for Rheumatic Heart Disease Detection: A Scoping Review (2015-2025)

• arxiv url: http://arxiv.org/abs/2505.18182v1
• Date: Sat, 17 May 2025 11:34:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.121012
• Title: Machine Learning-Based Analysis of ECG and PCG Signals for Rheumatic Heart Disease Detection: A Scoping Review (2015-2025)
• Title（参考訳）: 機械学習によるリウマチ性心疾患検出のための心電図とPCG信号の解析:スコーピング・レビュー(2015-2025)
• Authors: Damilare Emmanuel Olatunji, Julius Dona Zannu, Carine Pierrette Mukamakuza, Godbright Nixon Uiso, Mona Mamoun Mubarak Aman, John Bosco Thuo, Chol Buol, Nchofon Tagha Ghogomu, Evelyne Umubyeyi,
• Abstract要約: RHD検出のためのMLベースのECG/PCG分析に着目し, PubMed, IEEE Xplore, Scopus, Embaseを網羅的に検索した。 CNNは2020年以降において主要な技術となり、平均精度は93.7%に達した。 血管病変は多種多様であり,44%は内因性領域に由来するが,実施科学や人口統計学の多様性には大きなギャップが残っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Objective: To conduct a systematic assessment of machine learning applications that utilize electrocardiogram (ECG) and heart sound data in the development of cost-effective detection tools for rheumatic heart disease (RHD) from the year 2015 to 2025, thereby supporting the World Heart Federation's "25 by 25" mortality reduction objective through the creation of alternatives to echocardiography in underserved regions. Methods: Following PRISMA-ScR guidelines, we conducted a comprehensive search across PubMed, IEEE Xplore, Scopus, and Embase for peer-reviewed literature focusing on ML-based ECG/PCG analysis for RHD detection. Two independent reviewers screened studies, and data extraction focused on methodology, validation approaches, and performance metrics. Results: Analysis of 37 relevant studies revealed that convolutional neural networks (CNNs) have become the predominant technology in post-2020 implementations, achieving a median accuracy of 93.7%. However, 73% of studies relied on single-center datasets, only 10.8% incorporated external validation, and none addressed cost-effectiveness. Performance varied markedly across different valvular lesions, and despite 44% of studies originating from endemic regions, significant gaps persisted in implementation science and demographic diversity. Conclusion: While ML-based ECG/PCG analysis shows promise for RHD detection, substantial methodological limitations hinder clinical translation. Future research must prioritize standardized benchmarking frameworks, multimodal architectures, cost-effectiveness assessments, and prospective trials in endemic settings. Significance: This review provides a critical roadmap for developing accessible ML-based RHD screening tools to help bridge the diagnostic gap in resourceconstrained settings where conventional auscultation misses up to 90% of cases and echocardiography remains inaccessible.
• Abstract（参考訳）: 目的:2015年から2025年までのリウマチ性心疾患(RHD)の費用対効果検出ツールの開発において、心電図(ECG)と心臓音データを利用する機械学習応用の体系的な評価を行うこと。 方法: PRISMA-ScRガイドラインに従って,RHD検出のためのMLベースのECG/PCG分析に着目し,PubMed,IEEE Xplore,Scopus,Embaseを網羅的に検索した。 2つの独立したレビュアーが研究をスクリーニングし、方法論、検証アプローチ、パフォーマンスメトリクスに焦点を当てたデータ抽出を行った。 結果:37の関連する研究から、畳み込みニューラルネットワーク(CNN)が2020年以降において主要な技術となり、93.7%という中央値の精度を達成した。 しかし、研究の73%は単一中心のデータセットに頼っており、10.8%しか外部検証を取り入れておらず、費用対効果に対処しなかった。 血管病変は多種多様であり,44%は内因性領域に由来するが,実施科学や人口統計学の多様性には大きなギャップが残っている。 結論: ML-based ECG/PCG analysis では RHD 検出が期待できるが, 臨床翻訳に重大な方法論的限界がある。 今後の研究は、標準化されたベンチマークフレームワーク、マルチモーダルアーキテクチャ、費用対効果評価、そしてエンドミックな環境での試行を優先順位付けする必要がある。 意義: このレビューは、従来の聴診では90%の症例が欠落し、心エコー検査ではアクセスできないようなリソース制約のある環境での診断ギャップを埋めるために、アクセス可能なMLベースのRHDスクリーニングツールを開発するための重要なロードマップを提供する。

関連論文リスト

• Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
  先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。 本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。 バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-28T05:47:44Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Deep learning in computed tomography pulmonary angiography imaging: a dual-pronged approach for pulmonary embolism detection [0.0]
  本研究の目的は,深層学習技術を活用し,肺塞栓症(PE)のコンピュータ支援診断(CAD)を強化することである。 我々の分類システムは、注意機構を用いて局所的な文脈を利用する注意誘導畳み込みニューラルネットワーク(AG-CNN)を含む。 AG-CNNはFUMPEデータセット上で堅牢なパフォーマンスを実現し、AUROCは0.927、感度は0.862、特異性は0.879、F1スコアは0.805、Inception-v3バックボーンアーキテクチャは0.805である。
  論文  参考訳（メタデータ） (2023-11-09T08:23:44Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• 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)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)
• 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。