論文の概要: EfficientNet in Digital Twin-based Cardiac Arrest Prediction and Analysis

• arxiv url: http://arxiv.org/abs/2509.07388v1
• Date: Tue, 09 Sep 2025 05:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.181168
• Title: EfficientNet in Digital Twin-based Cardiac Arrest Prediction and Analysis
• Title（参考訳）: デジタル双生児心停止予測と解析における効率的なネットワーク
• Authors: Qasim Zia, Avais Jan, Zafar Iqbal, Muhammad Mumtaz Ali, Mukarram Ali, Murray Patterson,
• Abstract要約: 本稿では,効率的なNetベースのディープラーニングモデルとディジタルツインシステムを組み合わせた新しいフレームワークを提案する。 提案システムは予測能力において極めて正確であり、同時に効率的である。
• 参考スコア（独自算出の注目度）: 1.6368375997929439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiac arrest is one of the biggest global health problems, and early identification and management are key to enhancing the patient's prognosis. In this paper, we propose a novel framework that combines an EfficientNet-based deep learning model with a digital twin system to improve the early detection and analysis of cardiac arrest. We use compound scaling and EfficientNet to learn the features of cardiovascular images. In parallel, the digital twin creates a realistic and individualized cardiovascular system model of the patient based on data received from the Internet of Things (IoT) devices attached to the patient, which can help in the constant assessment of the patient and the impact of possible treatment plans. As shown by our experiments, the proposed system is highly accurate in its prediction abilities and, at the same time, efficient. Combining highly advanced techniques such as deep learning and digital twin (DT) technology presents the possibility of using an active and individual approach to predicting cardiac disease.
• Abstract（参考訳）: 心停止は世界的な健康問題の一つであり、早期の身元確認と管理が患者の予後を高める鍵となる。 本稿では,効率的なNetベースのディープラーニングモデルとデジタルツインシステムを組み合わせることで,心停止の早期検出と解析を改善する新しいフレームワークを提案する。 循環器画像の特徴を学習するために,複合スケーリングとEfficientNetを用いている。 同時に、デジタルツインは、患者にアタッチされたモノのインターネット(IoT)デバイスから受信したデータに基づいて、患者の現実的で個別化された心血管系モデルを作成する。 実験で示されたように,提案システムは予測能力において極めて正確であり,同時に効率的である。 深層学習とデジタルツイン(DT)技術のような高度な技術を組み合わせることで、心臓疾患の予測に活動的かつ個人的アプローチを使うことが期待できる。

関連論文リスト

• Heart Failure Prediction using Modal Decomposition and Masked Autoencoders for Scarce Echocardiography Databases [2.149576637442132]
  心臓病は国際的機能不全の主な原因である。 特に、心不全(HF)は医療業界に対して、早期、迅速、効果的な予測のためのシステム開発を迫る。 本研究は,心不全時間予測の課題であり,より具体的課題である,リアルタイム心エコービデオシーケンスの解析を行う自動システムを提案する。
  論文  参考訳（メタデータ） (2025-04-10T09:57:09Z)
• 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)
• ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
  ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。 我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2024-09-19T06:14:30Z)
• Solving the Inverse Problem of Electrocardiography for Cardiac Digital Twins: A Survey [6.1689808850463335]
  心臓デジタル双生児(英: Cardiac Digital twins、CDT)は、複雑な心臓機構を理解するために使用される仮想表現である。 近年の計算手法の進歩により、ECG逆推論の精度と効率が大幅に向上した。 本稿では,心電図逆問題,検証戦略,臨床応用,今後の展望を概観する。
  論文  参考訳（メタデータ） (2024-06-17T11:57:14Z)
• Automatic Cardiac Pathology Recognition in Echocardiography Images Using Higher Order Dynamic Mode Decomposition and a Vision Transformer for Small Datasets [2.0286377328378737]
  心臓病は、人間の機能不全の主な原因だ。WHOによると、心臓病のために毎年約1800万人が死亡している。 本研究では,新しい深層学習フレームワークに基づく自動心臓病理診断システムを提案する。
  論文  参考訳（メタデータ） (2024-04-30T14:16:45Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Digital Twins for Patient Care via Knowledge Graphs and Closed-Form Continuous-Time Liquid Neural Networks [0.0]
  デジタル双生児は、製造業、サプライチェーンのロジスティクス、土木インフラなどの産業で急速に勢いを増している。 マルチモーダル患者データを用いた複雑な疾患のモデル化の課題と、その解析の複雑さは、生体医療分野におけるデジタル双生児の採用を阻害している。 本稿では,計算コストとモデリング複雑さによる臨床双対モデリングの障壁に対処する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-08T12:52:31Z)
• OncoPetNet: A Deep Learning based AI system for mitotic figure counting on H&E stained whole slide digital images in a large veterinary diagnostic lab setting [47.38796928990688]
  OncoPetNetの開発において,複数の最先端ディープラーニング技術を用いて病理組織像分類と有糸体像検出を行った。 提案システムは,14種類の癌に対して,ヒトのエキスパートベースラインと比較して,41例の有糸分裂計数性能を有意に向上させた。 デプロイでは、2つのセンターで1日3,323枚のデジタル全スライド画像を処理する高スループット獣医診断サービスにおいて、効果的な0.27分/スライダー推論が達成された。
  論文  参考訳（メタデータ） (2021-08-17T20:01:33Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。