論文の概要: A Benchmark Study of Deep Learning Methods for Multi-Label Pediatric Electrocardiogram-Based Cardiovascular Disease Classification

• arxiv url: http://arxiv.org/abs/2510.03780v1
• Date: Sat, 04 Oct 2025 11:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.248681
• Title: A Benchmark Study of Deep Learning Methods for Multi-Label Pediatric Electrocardiogram-Based Cardiovascular Disease Classification
• Title（参考訳）: 小児心電図を用いた心血管疾患分類のための深層学習手法のベンチマーク検討
• Authors: Yiqiao Chen,
• Abstract要約: 本稿では,最近リリースされたZZU-pECGデータセットを用いた多ラベル小児CVD分類のためのディープラーニングに関する最初のベンチマーク研究について述べる。 我々はResNet-1D, BiLSTM, Transformer, Mamba 2の4つの代表的なパラダイムを, 9-leadおよび12-lead構成下で評価した。 全てのモデルで強い結果が得られ、ハミング・ロスは0.0069、F1スコアはほとんどの設定で85%以上であった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiovascular disease (CVD) is a major pediatric health burden, and early screening is of critical importance. Electrocardiography (ECG), as a noninvasive and accessible tool, is well suited for this purpose. This paper presents the first benchmark study of deep learning for multi-label pediatric CVD classification on the recently released ZZU-pECG dataset, comprising 3716 recordings with 19 CVD categories. We systematically evaluate four representative paradigms--ResNet-1D, BiLSTM, Transformer, and Mamba 2--under both 9-lead and 12-lead configurations. All models achieved strong results, with Hamming Loss as low as 0.0069 and F1-scores above 85% in most settings. ResNet-1D reached a macro-F1 of 94.67% on the 12-lead subset, while BiLSTM and Transformer also showed competitive performance. Per-class analysis indicated challenges for rare conditions such as hypertrophic cardiomyopathy in the 9-lead subset, reflecting the effect of limited positive samples. This benchmark establishes reusable baselines and highlights complementary strengths across paradigms. It further points to the need for larger-scale, multi-center validation, age-stratified analysis, and broader disease coverage to support real-world pediatric ECG applications.
• Abstract（参考訳）: 心血管疾患(CVD)は小児の健康上の重荷であり、早期検診は重要である。 心電図(ECG)は、非侵襲的でアクセスしやすいツールであり、この目的に適している。 本稿では,最近リリースされたZZU-pECGデータセットを用いて,19のCVDカテゴリを含む3716のレコードを収録した,複数ラベルのCVD分類のための深層学習に関する最初のベンチマーク研究を行う。 そこで我々は,ResNet-1D,BiLSTM,Transformer,Mamba 2の4つの代表的なパラダイムを,9-lead,12-leadの両構成下で体系的に評価した。 全てのモデルで強い結果が得られ、ハミング・ロスは0.0069、F1スコアはほとんどの設定で85%以上であった。 ResNet-1Dは12リードのサブセットで94.67%のマクロF1に達し、BiLSTMとTransformerも競合性能を示した。 集団別分析では, 肥厚性心筋症などの稀な疾患が9例にみられ, 限られた陽性例の影響を反映していた。 このベンチマークは再利用可能なベースラインを確立し、パラダイム間の補完的な強みを強調します。 さらに、実際の小児心電図アプリケーションをサポートするために、大規模でマルチセンターの検証、年齢階層分析、より広範な疾患カバレッジの必要性も指摘されている。

関連論文リスト

• EchoBench: Benchmarking Sycophancy in Medical Large Vision-Language Models [82.43729208063468]
  医療用LVLM(Large Vision-Language Models)の最近のベンチマークでは、信頼性と安全性を見越して、リーダボードの精度を強調している。 ユーザが提供した情報を非批判的に反響させる傾向のモデルについて検討する。 医療用LVLMの梅毒を系統的に評価するベンチマークであるEchoBenchを紹介する。
  論文  参考訳（メタデータ） (2025-09-24T14:09:55Z)
• Multimodal Latent Fusion of ECG Leads for Early Assessment of Pulmonary Hypertension [30.124231086488976]
  リード特異的心電図マルチモーダル変分オートエンコーダ(textscLS-EMVAE)を提案する。 textscLS-EMVAEには階層的モダリティエキスパート(HiME)融合機構と遅延表現アライメント損失が組み込まれている。 6L-ECG設定で2つの振り返りコホートでtextscLS-EMVAEを検証する。
  論文  参考訳（メタデータ） (2025-03-03T16:16:38Z)
• Multi-Channel Masked Autoencoder and Comprehensive Evaluations for Reconstructing 12-Lead ECG from Arbitrary Single-Lead ECG [19.74009541199362]
  本研究では、任意のシングルリードECGから12リードECGを再構成するためのマルチチャネルマスク付きオートエンコーダ(MCMA)を提案する。 信号レベル評価では,平均平方誤差0.0317,0.1034,ピアソン相関係数0.7885,0.7420であった。 特徴レベル評価では、生成した12リード心電図の平均心拍数の平均標準偏差は1.0481であり、変動係数は1.58%、範囲は3.2874である。
  論文  参考訳（メタデータ） (2024-07-16T08:17:45Z)
• ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction [1.7894680263068135]
  OMI症例の3分の2は、12誘導心電図から視覚的に識別することが困難である。 現在の最先端の証拠は、機能ベースのランダムな森林と畳み込みニューラルネットワーク(CNN)の両方が、OMIのECG検出を改善するための有望なアプローチであることを示唆している。 我々はOMI識別のためのECG--NETを開発し評価する。
  論文  参考訳（メタデータ） (2024-05-08T19:59:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。