論文の概要: Detection of Chagas Disease from the ECG: The George B. Moody PhysioNet Challenge 2025

• arxiv url: http://arxiv.org/abs/2510.02202v1
• Date: Thu, 02 Oct 2025 16:50:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.226131
• Title: Detection of Chagas Disease from the ECG: The George B. Moody PhysioNet Challenge 2025
• Title（参考訳）: ECGによるChagas病の検出:George B. Moody PhysioNet Challenge 2025
• Authors: Matthew A. Reyna, Zuzana Koscova, Jan Pavlus, Soheil Saghafi, James Weigle, Andoni Elola, Salman Seyedi, Kiersten Campbell, Qiao Li, Ali Bahrami Rad, Antônio H. Ribeiro, Antonio Luiz P. Ribeiro, Reza Sameni, Gari D. Clifford,
• Abstract要約: George B. Moody PhysioNet Challenge 2025は、心電図(ECG)からChagas病を識別するためのアルゴリズムアプローチを開発するチームを招いている。 この課題は、複数の革新をもたらします。まず、患者レポートと血清検査のラベル付きデータセットを活用し、弱いラベル付きデータセットと弱いラベル付きデータセットで大規模なデータセットを提供しました。次に、モデルロバスト性および未確認データソースへの一般化性をサポートするために、データを拡張し、第3に、Chagas病の局所血清検査能力をキャプチャして、機械学習問題をトリアージタスクとするために評価指標を適用しました。
• 参考スコア（独自算出の注目度）: 7.563722799684741
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Objective: Chagas disease is a parasitic infection that is endemic to South America, Central America, and, more recently, the U.S., primarily transmitted by insects. Chronic Chagas disease can cause cardiovascular diseases and digestive problems. Serological testing capacities for Chagas disease are limited, but Chagas cardiomyopathy often manifests in ECGs, providing an opportunity to prioritize patients for testing and treatment. Approach: The George B. Moody PhysioNet Challenge 2025 invites teams to develop algorithmic approaches for identifying Chagas disease from electrocardiograms (ECGs). Main results: This Challenge provides multiple innovations. First, we leveraged several datasets with labels from patient reports and serological testing, provided a large dataset with weak labels and smaller datasets with strong labels. Second, we augmented the data to support model robustness and generalizability to unseen data sources. Third, we applied an evaluation metric that captured the local serological testing capacity for Chagas disease to frame the machine learning problem as a triage task. Significance: Over 630 participants from 111 teams submitted over 1300 entries during the Challenge, representing diverse approaches from academia and industry worldwide.
• Abstract（参考訳）: 目的:シャガス病(Chagas disease)は、南アメリカ、中央アメリカ、そして最近では主に昆虫が媒介する寄生虫感染症である。 慢性的なシャガス病は心臓血管疾患や消化障害を引き起こすことがある。 チャガス病の血清検査能力は限られているが、チャガス心筋症はしばしば心電図に現れ、患者を検査や治療に優先させる機会を与える。 アプローチ: George B. Moody PhysioNet Challenge 2025は、心電図(ECG)からChagas病を識別するためのアルゴリズム的なアプローチを開発するようチームを招待する。 主な成果: このチャレンジは、複数のイノベーションを提供する。 まず、患者レポートと血清検査からのラベル付きデータセットを活用し、弱いラベルと強いラベルを持つ小さなデータセットを備えた大きなデータセットを提供した。 第2に、モデルロバスト性と一般化性をサポートするためにデータを拡張し、未確認データソースに拡張する。 第3に,チャガス病の局所血清学的検査能力を計測し,機械学習問題をトリアージタスクとみなす評価指標を適用した。 意義: 111チームから630人以上の参加者がチャレンジ中に1300以上のエントリーを提出した。

関連論文リスト

• Multi-class heart disease Detection, Classification, and Prediction using Machine Learning Models [0.5018974919510383]
  心臓病は、特に中高年および高齢者において、世界中の早死にの主な原因である。 心臓病を含む非感染性疾患は世界の死者の25%(179万人)を占め、バングラデシュでは43,204人以上が死亡している。
  論文  参考訳（メタデータ） (2024-12-06T05:55:41Z)
• 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)
• Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
  心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。 本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。 中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。 実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
  論文  参考訳（メタデータ） (2024-06-19T02:42:29Z)
• Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
  診断医用画像検査など,現実的な画像認識の問題が数多く発生している。 診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。 我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2023-10-24T18:26:22Z)
• Ensemble Framework for Cardiovascular Disease Prediction [0.0]
  心臓病は、世界中でコミュニケーション不能で無音な死の主な原因である。 我々は,ExtraTrees,Random Forest,XGBoostなど,複数の機械学習アルゴリズムを用いたアンサンブルを組み込んだフレームワークを提案している。 提案手法は,既存の文献よりも高い92.34%の精度を実現した。
  論文  参考訳（メタデータ） (2023-06-16T17:37:43Z)
• Predicting Heart Disease and Reducing Survey Time Using Machine Learning Algorithms [0.0]
  疾病予防管理センター(CDC)は毎年40万人以上の参加者から健康に関する電話調査を行っている。 本研究の目的は、アメリカにおけるCDCの心臓疾患調査の正確性を調べるために、サポートベクターマシンやロジスティック回帰などの機械学習技術を活用することである。
  論文  参考訳（メタデータ） (2023-05-30T21:15:21Z)
• ECG for high-throughput screening of multiple diseases: Proof-of-concept using multi-diagnosis deep learning from population-based datasets [11.03522015552748]
  人口ベースデータセットは,1000例以上の医療疾患と200万例の心電図を用いて,広範囲の疾患を同定した。 深層学習モデルでは128の疾患と68の疾患カテゴリーが同定された。
  論文  参考訳（メタデータ） (2022-10-06T00:11:31Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• The Plant Pathology 2020 challenge dataset to classify foliar disease of apples [0.0]
  米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。 我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。 リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
  論文  参考訳（メタデータ） (2020-04-24T19:36:37Z)

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。