Fugu-MT 論文翻訳(概要): Inductive transfer learning from regression to classification in ECG analysis

論文の概要: Inductive transfer learning from regression to classification in ECG analysis

arxiv url: http://arxiv.org/abs/2508.11656v1
Date: Tue, 05 Aug 2025 06:43:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-24 10:27:26.477007
Title: Inductive transfer learning from regression to classification in ECG analysis
Title（参考訳）: ECG解析における回帰から分類への帰納的伝達学習
Authors: Ridma Jayasundara, Ishan Fernando, Adeepa Fernando, Roshan Ragel, Vajira Thambawita, Isuru Nawinne,
Abstract要約: 心臓血管疾患(CVD)は、世界の死亡率の30%以上を占め、世界的死亡率の主要な原因である。研究における患者の心電図データの使用に関するプライバシー上の懸念が、合成データへの関心を喚起している。本研究では、回帰から分類までの深層学習モデルを学習するための合成ECGデータの可能性について検討する。
参考スコア（独自算出の注目度）: 0.39087869188813584
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Cardiovascular diseases (CVDs) are the leading cause of mortality worldwide, accounting for over 30% of global deaths according to the World Health Organization (WHO). Importantly, one-third of these deaths are preventable with timely and accurate diagnosis. The electrocardiogram (ECG), a non-invasive method for recording the electrical activity of the heart, is crucial for diagnosing CVDs. However, privacy concerns surrounding the use of patient ECG data in research have spurred interest in synthetic data, which preserves the statistical properties of real data without compromising patient confidentiality. This study explores the potential of synthetic ECG data for training deep learning models from regression to classification tasks and evaluates the feasibility of transfer learning to enhance classification performance on real ECG data. We experimented with popular deep learning models to predict four key cardiac parameters, namely, Heart Rate (HR), PR interval, QT interval, and QRS complex-using separate regression models. Subsequently, we leveraged these regression models for transfer learning to perform 5-class ECG signal classification. Our experiments systematically investigate whether transfer learning from regression to classification is viable, enabling better utilization of diverse open-access and synthetic ECG datasets. Our findings demonstrate that transfer learning from regression to classification improves classification performance, highlighting its potential to maximize the utility of available data and advance deep learning applications in this domain.
Abstract（参考訳）: 世界保健機関(WHO)によると、心臓血管疾患(CVD)が世界の死亡率の30%以上を占めている。重要なことは、これらの死亡の3分の1が、タイムリーかつ正確な診断で予防可能であることである。心電図(ECG)は、心臓の電気活動を記録する非侵襲的な方法であり、CVDの診断に不可欠である。しかし、研究における患者心電図データの使用に関するプライバシー上の懸念は、患者の機密性を損なうことなく、実際のデータの統計的特性を保存する合成データへの関心を喚起している。本研究は、回帰から分類タスクへの深層学習モデルの学習のための合成ECGデータの可能性について検討し、実際のECGデータにおける分類性能を高めるための伝達学習の可能性を評価する。一般的なディープラーニングモデルを用いて、心拍数(HR)、PR間隔、QT間隔、QRSコンプレッションモデルという4つの重要な心パラメータを予測した。その後,これらの回帰モデルを用いて5クラスECG信号分類を行った。本実験は, 回帰から分類への変換学習が有効かどうかを系統的に検討し, 多様なオープンアクセスおよび合成ECGデータセットの有効利用を可能にした。本研究は、回帰から分類への変換学習が分類性能を向上させることを示し、利用可能なデータの有用性を最大化し、この領域における深層学習応用を推し進める可能性を強調した。

関連論文リスト

Improving Myocardial Infarction Detection via Synthetic ECG Pretraining [0.0]
心筋梗塞は世界中で大きな死因であり,心電図(ECG)からの正確な早期診断が臨床上の優先事項である。ディープラーニングモデルはECGの自動解釈を約束しているが、大量のラベル付きデータを必要とする。本研究では,12個の心電図を調整可能なMI形態と現実的な雑音で合成する生理的認識パイプラインを提案する。
論文参考訳（メタデータ） (2025-06-29T14:29:55Z)
Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
論文参考訳（メタデータ） (2024-12-23T13:05:17Z)
Synthetic Time Series Data Generation for Healthcare Applications: A PCG Case Study [43.28613210217385]
我々は、PCGデータを生成するために、最先端の3つの生成モデルを採用し、比較する。その結果,生成したPCGデータは元のデータセットによく似ていることがわかった。今後の研究では、この手法をデータ拡張パイプラインに組み込んで、異常なPCG信号を心臓の大腿骨で合成する予定である。
論文参考訳（メタデータ） (2024-12-17T18:07:40Z)
Electrocardiogram (ECG) Based Cardiac Arrhythmia Detection and Classification using Machine Learning Algorithms [0.0]
機械学習(ML)と深層学習(DL)は、診断、予後、重篤な健康状態の治療を改善するために、医学の新たな展望を開いている。本稿では,不整脈心電図(ECG)信号を分類するための予測精度の高いMLモデルの開発に着目する。
論文参考訳（メタデータ） (2024-12-07T08:29:44Z)
FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
論文参考訳（メタデータ） (2024-10-28T02:24:01Z)
Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文参考訳（メタデータ） (2023-10-24T11:34:15Z)
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)
GeoECG: Data Augmentation via Wasserstein Geodesic Perturbation for Robust Electrocardiogram Prediction [20.8603653664403]
本稿では,心電図信号に基づく心疾患検出の堅牢性を高めるために,生理学的に着想を得たデータ拡張手法を提案する。我々は、ワッサーシュタイン空間の測地線に沿った他のクラスに対してデータ分布を摂動することで、拡張されたサンプルを得る。 12個の心電図信号から学習し,心臓状態の5つのカテゴリを識別できる。
論文参考訳（メタデータ） (2022-08-02T03:14:13Z)
Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文参考訳（メタデータ） (2021-04-07T06:02:04Z)
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)

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。