論文の概要: Cross-Learning Between ECG and PCG: Exploring Common and Exclusive Characteristics of Bimodal Electromechanical Cardiac Waveforms

• arxiv url: http://arxiv.org/abs/2506.10212v1
• Date: Wed, 11 Jun 2025 22:16:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.477623
• Title: Cross-Learning Between ECG and PCG: Exploring Common and Exclusive Characteristics of Bimodal Electromechanical Cardiac Waveforms
• Title（参考訳）: ECGとPCGのクロスラーニング:バイモーダル心電図波形の共通および排他特性の探索
• Authors: Sajjad Karimi, Amit J. Shah, Gari D. Clifford, Reza Sameni,
• Abstract要約: 本稿では,ECGとPCGの共通性と排他的特性について検討する。 線形および非線形機械学習モデルを用いて、各モダリティを他方から再構成する。 臨床的に関連がある心電図のバイオマーカー、例えば、動注点やQT間隔は、PCGのクロスオブジェクト設定から推定できる。
• 参考スコア（独自算出の注目度）: 6.81602773853736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simultaneous electrocardiography (ECG) and phonocardiogram (PCG) provide a comprehensive, multimodal perspective on cardiac function by capturing the heart's electrical and mechanical activities, respectively. However, the distinct and overlapping information content of these signals, as well as their potential for mutual reconstruction and biomarker extraction, remains incompletely understood, especially under varying physiological conditions and across individuals. In this study, we systematically investigate the common and exclusive characteristics of ECG and PCG using the EPHNOGRAM dataset of simultaneous ECG-PCG recordings during rest and exercise. We employ a suite of linear and nonlinear machine learning models, including non-causal LSTM networks, to reconstruct each modality from the other and analyze the influence of causality, physiological state, and cross-subject variability. Our results demonstrate that nonlinear models, particularly non-causal LSTM, provide superior reconstruction performance, with reconstructing ECG from PCG proving more tractable than the reverse. Exercise and cross-subject scenarios present significant challenges, but envelope-based modeling that utilizes instantaneous amplitude features substantially improves cross-subject generalizability for cross-modal learning. Furthermore, we demonstrate that clinically relevant ECG biomarkers, such as fiducial points and QT intervals, can be estimated from PCG in cross-subject settings. These findings advance our understanding of the relationship between electromechanical cardiac modalities, in terms of both waveform characteristics and the timing of cardiac events, with potential applications in novel multimodal cardiac monitoring technologies.
• Abstract（参考訳）: 同時心電図 (ECG) と超音波心電図 (PCG) は, 心臓の電気的活動と機械的活動をそれぞれ捉えることで, 心機能の総合的, 多モーダルな視点を提供する。 しかし、これらの信号の明瞭で重なり合う情報の内容は、相互再構成やバイオマーカー抽出の可能性と同様に、特に様々な生理的条件下では、完全には理解されていない。 本研究では,安静時および運動時の同時ECG-PCG記録のEPHNOGRAMデータセットを用いて,ECGとPCGの共通性と排他的特性を系統的に検討した。 本研究では,非因果型LSTMネットワークを含む線形および非線形機械学習モデルを用いて,各モードを相互に再構成し,因果性,生理状態,物体間変動の影響を解析する。 以上の結果から,非線形モデル,特に非因果的LSTMは,PCGからECGを再構成し,逆よりもトラクタブルであることを示す。 エクササイズとクロスオブジェクトのシナリオには大きな課題があるが、瞬時振幅特徴を利用したエンベロープに基づくモデリングは、クロスモーダル学習におけるクロスオブジェクトの一般化性を著しく改善する。 さらに, 臨床的に関連性のある心電図バイオマーカー, 動画像点, QT間隔をPCGのクロスオブジェクト設定で推定できることを実証した。 これらの知見は, 心電図の波形特性と心イベントのタイミングの両面から, 心電図と心電図の関連性について理解を深めるとともに, 新たな心電図モニタリング技術にも応用できる可能性が示唆された。

関連論文リスト

• Heartcare Suite: Multi-dimensional Understanding of ECG with Raw Multi-lead Signal Modeling [50.58126509704037]
  医療スイート(Heartcare Suite)は、微細心電図(ECG)の理解のためのフレームワークである。 Heartcare-220Kは高品質で構造化され、包括的なマルチモーダルECGデータセットである。 Heartcare-Benchは、ECGシナリオにおける医療マルチモーダル大言語モデル(Med-MLLM)の最適化を導くためのベンチマークである。
  論文  参考訳（メタデータ） (2025-06-06T07:56:41Z)
• AnyECG: Foundational Models for Multitask Cardiac Analysis in Real-World Settings [34.078819572852446]
  心電図(ECG)は急性心臓発作の検出に非常に敏感である。 本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。
  論文  参考訳（メタデータ） (2024-11-17T17:32:58Z)
• 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)
• Non-linear Analysis Based ECG Classification of Cardiovascular Disorders [2.474908349649168]
  マルチチャネル心電図に基づく心疾患の検出は、心臓ケアと治療に影響を及ぼす。 本研究では,Recurrenceプロットの可視化を利用した非線形解析手法について報告する。 QRS複合体のようなよく定義された構造のパターン化は、再帰プロットを用いて効果的に利用することができる。
  論文  参考訳（メタデータ） (2024-08-02T19:03:53Z)
• MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
  心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。 最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-07T23:20:56Z)
• 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)
• MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained through electrophysiological simulations [0.12417791895581763]
  機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。 電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。 仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
  論文  参考訳（メタデータ） (2022-11-29T07:46:39Z)
• 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)

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。