論文の概要: Cardi-GPT: An Expert ECG-Record Processing Chatbot

• arxiv url: http://arxiv.org/abs/2510.24737v1
• Date: Tue, 14 Oct 2025 19:58:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.999902
• Title: Cardi-GPT: An Expert ECG-Record Processing Chatbot
• Title（参考訳）: Cardi-GPT: 専門的なECG記録処理チャットボット
• Authors: Koustav Mallick, Neel Singh, Mohammedreza Hajiarbabi,
• Abstract要約: Cardi-GPTは、心電図の解釈を効率化し、臨床コミュニケーションを強化するために設計されたエキスパートシステムである。 12個の心電図データを処理するために、16個の残留ブロック畳み込みニューラルネットワーク(CNN)を使用しており、24個の心条件で0.6194の重み付け精度を実現している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Interpreting and communicating electrocardiogram (ECG) findings are crucial yet challenging tasks in cardiovascular diagnosis, traditionally requiring significant expertise and precise clinical communication. This paper introduces Cardi-GPT, an advanced expert system designed to streamline ECG interpretation and enhance clinical communication through deep learning and natural language interaction. Cardi-GPT employs a 16-residual-block convolutional neural network (CNN) to process 12-lead ECG data, achieving a weighted accuracy of 0.6194 across 24 cardiac conditions. A novel fuzzification layer converts complex numerical outputs into clinically meaningful linguistic categories, while an integrated chatbot interface facilitates intuitive exploration of diagnostic insights and seamless communication between healthcare providers. The system was evaluated on a diverse dataset spanning six hospitals across four countries, demonstrating superior performance compared to baseline models. Additionally, Cardi-GPT achieved an impressive overall response quality score of 73\%, assessed using a comprehensive evaluation framework that measures coverage, grounding, and coherence. By bridging the gap between intricate ECG data interpretation and actionable clinical insights, Cardi-GPT represents a transformative innovation in cardiovascular healthcare, promising to improve diagnostic accuracy, clinical workflows, and patient outcomes across diverse medical settings.
• Abstract（参考訳）: 心電図(ECG)所見の解釈と伝達は、心臓血管診断において重要な課題であり、従来は重要な専門知識と正確な臨床コミュニケーションを必要としていた。 本稿では,心電図の解釈を効率化し,深層学習と自然言語インタラクションによる臨床コミュニケーションを強化するための高度なエキスパートシステムであるCardi-GPTを紹介する。 Cardi-GPTは、12個の心電図データを処理するために、16個の残留ブロック畳み込みニューラルネットワーク(CNN)を使用している。 新しいファジフィケーション層は、複雑な数値出力を臨床的に意味のある言語カテゴリに変換し、統合チャットボットインターフェースは、診断の洞察と医療提供者間のシームレスなコミュニケーションの直感的な探索を容易にする。 4か国に6つの病院にまたがる多様なデータセットを用いて評価を行い,ベースラインモデルと比較して優れた性能を示した。 さらに、Cardi-GPTは、カバレッジ、グラウンド、コヒーレンスを測定する包括的な評価フレームワークを使用して評価され、全体的な応答品質スコアが73%という印象的な結果を得た。 複雑な心電図データ解釈と実行可能な臨床的洞察のギャップを埋めることによって、Cardi-GPTは心臓血管医療における革新的な革新であり、診断精度、臨床ワークフロー、さまざまな医療環境における患者結果を改善することを約束する。

関連論文リスト

• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• Sensing Cardiac Health Across Scenarios and Devices: A Multi-Modal Foundation Model Pretrained on Heterogeneous Data from 1.7 Million Individuals [36.08910150609342]
  広大で異質な健康記録から統一された表現を学習する心センシング基礎モデル(CSFM)を提案する。 我々のモデルは、複数の大規模データセットからのデータの革新的なマルチモーダル統合に基づいて事前訓練されている。 CSFMは従来のワンモーダル・ワン・タスク・アプローチより一貫して優れている。
  論文  参考訳（メタデータ） (2025-06-23T20:58:12Z)
• 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)
• CardioPatternFormer: Pattern-Guided Attention for Interpretable ECG Classification with Transformer Architecture [0.40964539027092906]
  解釈可能なECG分類のためのトランスフォーマーモデルであるCardioPatternFormerを提案する。 多様な心臓パターンを正確に識別し分類するために、洗練された注意機構を用いる。 微妙な異常を識別し、複数の共起条件を識別する。
  論文  参考訳（メタデータ） (2025-05-26T19:36:58Z)
• ECG-Expert-QA: A Benchmark for Evaluating Medical Large Language Models in Heart Disease Diagnosis [8.059062779882554]
  ECG-Expert-QAは、心電図(ECG)の解釈における診断能力を評価するための包括的なデータセットである。 実際の臨床心電図データと、体系的に生成された合成ケースを組み合わせることで、12の必須の診断タスクをカバーしている。 主要なイノベーションは、対話型医療AIシステムの開発を可能にするマルチターン対話のサポートである。
  論文  参考訳（メタデータ） (2025-02-16T13:28:55Z)
• MEIT: Multimodal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [28.35107188450758]
  心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。 最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-07T23:20:56Z)
• Automated Cardiovascular Record Retrieval by Multimodal Learning between Electrocardiogram and Clinical Report [28.608260758775316]
  本稿では,Large Language Models (LLM) と Vision-Transformer (ViT) モデルにおける最近のブレークスルーを活用し,ECGの解釈に新たなアプローチを導入する。 入力ECGデータに基づいて,最も類似した症例を自動的に同定する手法を提案する。 本研究は,未開発地域において診断サービスを提供する上で重要な資源となる可能性がある。
  論文  参考訳（メタデータ） (2023-04-13T06:32:25Z)
• MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained through electrophysiological simulations [0.12417791895581763]
  機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。 電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。 仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
  論文  参考訳（メタデータ） (2022-11-29T07:46:39Z)
• 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)

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。