論文の概要: A Comprehensive Benchmark for Electrocardiogram Time-Series

• arxiv url: http://arxiv.org/abs/2507.14206v1
• Date: Tue, 15 Jul 2025 02:54:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:31.7636
• Title: A Comprehensive Benchmark for Electrocardiogram Time-Series
• Title（参考訳）: 心電図時系列の総合ベンチマーク
• Authors: Zhijiang Tang, Jiaxin Qi, Yuhua Zheng, Jianqiang Huang,
• Abstract要約: 心電図は、心臓の健康と様々な疾患の診断に不可欠である。 ECGデータは、大規模な時系列モデルトレーニングのための事前トレーニングデータセットに組み込まれることが多い。
• 参考スコア（独自算出の注目度）: 31.656774120734358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electrocardiogram~(ECG), a key bioelectrical time-series signal, is crucial for assessing cardiac health and diagnosing various diseases. Given its time-series format, ECG data is often incorporated into pre-training datasets for large-scale time-series model training. However, existing studies often overlook its unique characteristics and specialized downstream applications, which differ significantly from other time-series data, leading to an incomplete understanding of its properties. In this paper, we present an in-depth investigation of ECG signals and establish a comprehensive benchmark, which includes (1) categorizing its downstream applications into four distinct evaluation tasks, (2) identifying limitations in traditional evaluation metrics for ECG analysis, and introducing a novel metric; (3) benchmarking state-of-the-art time-series models and proposing a new architecture. Extensive experiments demonstrate that our proposed benchmark is comprehensive and robust. The results validate the effectiveness of the proposed metric and model architecture, which establish a solid foundation for advancing research in ECG signal analysis.
• Abstract（参考訳）: 心電図~(ECG)は、心臓の健康状態を評価し、様々な疾患を診断するために重要である。 時系列フォーマットを考えると、ECGデータは大規模な時系列モデルトレーニングのための事前トレーニングデータセットに組み込まれることが多い。 しかし、既存の研究は、その特徴や特定の下流の応用を見落とし、他の時系列データと大きく異なるため、その性質を不完全なものにしている。 本稿では,(1)下流アプリケーションを4つの異なる評価課題に分類し,(2)従来の評価指標の限界を識別し,新しいメトリクスを導入すること,(3)最先端の時系列モデルをベンチマークし,新しいアーキテクチャを提案することを含む,ECG信号の詳細な調査と包括的なベンチマークの確立について述べる。 大規模な実験により、提案したベンチマークは包括的で堅牢であることが示された。 提案手法の有効性を検証し,ECG信号解析の研究を進めるための基盤となる計量モデルとモデルアーキテクチャの有効性を検証した。

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)
• A Systematic Review of ECG Arrhythmia Classification: Adherence to Standards, Fair Evaluation, and Embedded Feasibility [0.1932975952237668]
  このレビューは、2017年から2024年にかけて発行されたECG分類研究を体系的に分析する。 我々は,E3C基準を満たす最先端の手法を特定し,精度,推定時間,エネルギー消費,メモリ使用量の比較分析を行った。 これらのギャップに対処することにより、より堅牢で臨床的に実行可能なECG分類システムに向けた今後の研究を導くことを目的としている。
  論文  参考訳（メタデータ） (2025-03-10T12:57:43Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
  短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。 新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。 DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
  論文  参考訳（メタデータ） (2024-07-25T13:27:10Z)
• Guiding Masked Representation Learning to Capture Spatio-Temporal Relationship of Electrocardiogram [2.2842904085777045]
  本稿では,ST-MEM(S-Temporal Masked Electrocardiogram Modeling)を提案する。 ST-MEMは、不整脈に対する様々な実験的設定において、他のSSLベースラインメソッドよりも優れている。
  論文  参考訳（メタデータ） (2024-02-02T10:04:13Z)
• ECG-SL: Electrocardiogram(ECG) Segment Learning, a deep learning method for ECG signal [19.885905393439014]
  本稿では,ECG信号の周期的性質をモデル化する新しいECG-Segment Based Learning (ECG-SL) フレームワークを提案する。 この構造的特徴に基づき, 時間的モデルを用いて, 各種臨床業務の時間的情報学習を行う。 提案手法はベースラインモデルより優れ,3つの臨床応用におけるタスク固有手法と比較して競争性能が向上する。
  論文  参考訳（メタデータ） (2023-10-01T23:17:55Z)
• Hierarchical Deep Learning with Generative Adversarial Network for Automatic Cardiac Diagnosis from ECG Signals [2.5008947886814186]
  本稿では,ECG信号の自動診断のためのGAN(Generative Adversarial Network)を用いた2階層型階層型ディープラーニングフレームワークを提案する。 第1レベルのモデルはメモリ拡張DeepオートエンコーダとGANで構成されており、異常信号と通常のECGを区別して異常検出を行う。 第2レベルの学習は、異なる不整脈識別のための堅牢な多クラス分類を目指している。
  論文  参考訳（メタデータ） (2022-10-19T12:29:05Z)
• 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)
• 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)
• 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。