論文の概要: A Lightweight CNN-Attention-BiLSTM Architecture for Multi-Class Arrhythmia Classification on Standard and Wearable ECGs

• arxiv url: http://arxiv.org/abs/2511.08650v1
• Date: Thu, 13 Nov 2025 01:01:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.175046
• Title: A Lightweight CNN-Attention-BiLSTM Architecture for Multi-Class Arrhythmia Classification on Standard and Wearable ECGs
• Title（参考訳）: 標準心電図とウェアラブル心電図の多クラス不整脈分類のための軽量CNN-Attention-BiLSTMアーキテクチャ
• Authors: Vamsikrishna Thota, Hardik Prajapati, Yuvraj Joshi, Shubhangi Rathi,
• Abstract要約: 本稿では,1次元畳み込みニューラルネットワーク(CNN, attention mechanism, Bidirectional Long Short-Term Memory, BiLSTM)を組み合わせた,12誘導心電図と単誘導心電図の両方から不整脈を分類するための軽量ディープラーニングモデルを提案する。 0.945万のパラメータしか持たず、私たちのモデルはウェアラブルの健康モニタリングシステムにリアルタイムに配置するのに適しています。
• 参考スコア（独自算出の注目度）: 0.37331950863394864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early and accurate detection of cardiac arrhythmias is vital for timely diagnosis and intervention. We propose a lightweight deep learning model combining 1D Convolutional Neural Networks (CNN), attention mechanisms, and Bidirectional Long Short-Term Memory (BiLSTM) for classifying arrhythmias from both 12-lead and single-lead ECGs. Evaluated on the CPSC 2018 dataset, the model addresses class imbalance using a class-weighted loss and demonstrates superior accuracy and F1- scores over baseline models. With only 0.945 million parameters, our model is well-suited for real-time deployment in wearable health monitoring systems.
• Abstract（参考訳）: 心臓不整脈の早期かつ正確な検出は、タイムリーな診断と介入に不可欠である。 本稿では,1次元畳み込みニューラルネットワーク(CNN, attention mechanism, Bidirectional Long Short-Term Memory, BiLSTM)を組み合わせた,12誘導心電図と単誘導心電図の両方から不整脈を分類するための軽量ディープラーニングモデルを提案する。 CPSC 2018データセットに基づいて、モデルはクラス重み付き損失を使用してクラス不均衡に対処し、ベースラインモデルよりも優れた精度とF1-スコアを示す。 0.945万のパラメータしか持たず、私たちのモデルはウェアラブルの健康モニタリングシステムにリアルタイムに配置するのに適しています。

関連論文リスト

• ArrhythmiaVision: Resource-Conscious Deep Learning Models with Visual Explanations for ECG Arrhythmia Classification [0.0]
  本稿では,エッジデバイス上での効率的なリアルタイム不整脈分類に最適化されたArrhythmiNet V1とV2を提案する。 MobileNetの深い分離可能な畳み込み設計にインスパイアされたこれらのモデルは、それぞれ302.18KBと157.76KBのメモリフットプリントを維持している。 本研究は, 実用, ウェアラブル, 組込みECGモニタリングシステムにおいて, 解釈可能性, 予測精度, 計算効率の両立の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-04-30T18:22:45Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• 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)
• A Compact LSTM-SVM Fusion Model for Long-Duration Cardiovascular Diseases Detection [0.0]
  世界的には、心臓血管疾患(CVD)が主な死因であり、毎年1790万人が死亡している。 重要な臨床目的の1つは、心電図(ECG)データによるCVDの早期検出である。 機械学習とディープラーニングに基づく最近の進歩は、この分野において大きな進歩を遂げている。
  論文  参考訳（メタデータ） (2023-11-20T10:57:11Z)
• 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)
• Real-Time Patient-Specific ECG Classification by 1D Self-Operational Neural Networks [24.226952040270564]
  本稿では,ECG分類のための1D Self-organized Operational Neural Networks (1D Self-ONNs)を提案する。 1D Self-ONNは、演算子セットライブラリ内の前の演算子探索が完全に回避される従来のONNに比べて、最大の優位性と優位性を持つ。 MIT-BIH不整脈ベンチマークデータベースを用いた結果, 1D Self-ONN が 1D CNN をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-30T19:37:36Z)
• 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。