論文の概要: Contrastive Cross-Modal Learning for Infusing Chest X-ray Knowledge into ECGs

• arxiv url: http://arxiv.org/abs/2506.19329v1
• Date: Tue, 24 Jun 2025 05:47:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.502076
• Title: Contrastive Cross-Modal Learning for Infusing Chest X-ray Knowledge into ECGs
• Title（参考訳）: 胸部X線知識を心電図に注入するための対照的なクロスモーダル学習
• Authors: Vineet Punyamoorty, Aditya Malusare, Vaneet Aggarwal,
• Abstract要約: 心電図(ECG)と胸部X線(CXR)は、心臓評価において最も広く用いられる2つの指標である。 本研究は,胸部X線を利用して臨床に有用な心電図表現を学習する,新しいコントラスト学習ベースのフレームワークであるCroMoTEXを提案する。
• 参考スコア（独自算出の注目度）: 29.705337940879705
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Modern diagnostic workflows are increasingly multimodal, integrating diverse data sources such as medical images, structured records, and physiological time series. Among these, electrocardiograms (ECGs) and chest X-rays (CXRs) are two of the most widely used modalities for cardiac assessment. While CXRs provide rich diagnostic information, ECGs are more accessible and can support scalable early warning systems. In this work, we propose CroMoTEX, a novel contrastive learning-based framework that leverages chest X-rays during training to learn clinically informative ECG representations for multiple cardiac-related pathologies: cardiomegaly, pleural effusion, and edema. Our method aligns ECG and CXR representations using a novel supervised cross-modal contrastive objective with adaptive hard negative weighting, enabling robust and task-relevant feature learning. At test time, CroMoTEX relies solely on ECG input, allowing scalable deployment in real-world settings where CXRs may be unavailable. Evaluated on the large-scale MIMIC-IV-ECG and MIMIC-CXR datasets, CroMoTEX outperforms baselines across all three pathologies, achieving up to 78.31 AUROC on edema. Our code is available at github.com/vineetpmoorty/cromotex.
• Abstract（参考訳）: 現代の診断ワークフローはますます多様化しており、医療画像、構造化記録、生理的時系列などの多様なデータソースを統合している。 これらのうち、心電図(ECG)と胸部X線(CXR)は、心臓評価において最も広く用いられる2つの指標である。 CXRは豊富な診断情報を提供するが、ECGはよりアクセスしやすく、スケーラブルな早期警告システムをサポートすることができる。 本研究は,胸部X線を応用し,心内膜,胸水,浮腫などの多発性心疾患に対する臨床的に有意な心電図表現を学習する,新しい対照的な学習基盤であるCroMoTEXを提案する。 提案手法は,新しい教師付きクロスモーダルコントラスト目標と適応型ハード負重み付けを用いてECGとCXRの表現を整合させ,頑健でタスク関連のある特徴学習を可能にする。 テスト時、CroMoTEXはECG入力のみに依存しており、CXRが利用できないような現実世界の設定でスケーラブルなデプロイメントを可能にする。 大規模なMIMIC-IV-ECGとMIMIC-CXRデータセットに基づいて評価され、CroMoTEXは3つの病理全てでベースラインを上回り、浮腫で78.31 AUROCに達する。 私たちのコードはgithub.com/vineetpmoorty/cromotexで利用可能です。

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)
• xLSTM-ECG: Multi-label ECG Classification via Feature Fusion with xLSTM [14.02717596836022]
  本稿では,ECG信号のマルチラベル分類手法であるxLSTM-ECGを提案する。 我々の知る限り、この研究は、マルチラベルECG分類に特化して適応したxLSTMモジュールの設計と応用を表すものである。
  論文  参考訳（メタデータ） (2025-04-14T16:12:46Z)
• 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)
• 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)
• 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)
• Unlocking the diagnostic potential of electrocardiograms through information transfer from cardiac magnetic resonance imaging [9.77594028637426]
  本稿では,心電図のみから,費用対効果と総合的な心検診を行うための深層学習戦略を提案する。 提案手法は,マルチモーダルコントラスト学習とマスク付きデータモデリングを組み合わせて,CMR画像からECG表現へのドメイン固有情報転送を行う。
  論文  参考訳（メタデータ） (2023-08-09T10:05:11Z)
• 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)
• Optimising Chest X-Rays for Image Analysis by Identifying and Removing Confounding Factors [49.005337470305584]
  新型コロナウイルス(COVID-19)のパンデミック(パンデミック)の間、新型コロナウイルス(COVID-19)の診断のための緊急設定で実施される画像の量は、臨床用CXRの取得が広範囲に及んだ。 公開データセット内の臨床的に取得されたCXRの変動品質は、アルゴリズムのパフォーマンスに大きな影響を及ぼす可能性がある。 我々は、新型コロナウイルスの胸部X線データセットを前処理し、望ましくないバイアスを取り除くための、シンプルで効果的なステップワイズアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:57:04Z)

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。