論文の概要: A novel approach to classification of ECG arrhythmia types with latent ODEs

• arxiv url: http://arxiv.org/abs/2511.16933v1
• Date: Fri, 21 Nov 2025 03:57:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.879206
• Title: A novel approach to classification of ECG arrhythmia types with latent ODEs
• Title（参考訳）: 潜在ODEを用いた心電図不整脈型分類の新しいアプローチ
• Authors: Angelina Yan, Matt L. Sampson, Peter Melchior,
• Abstract要約: サンプリング頻度の高い12個の心電図は不整脈検出のための臨床用金基準である。 ウェアラブルECGは長期監視を可能にするが、バッテリの制約により、不規則で低いサンプリング周波数に悩まされる。 これらの問題に対処するために、エンドツーエンドの分類パイプラインを提案する。
• 参考スコア（独自算出の注目度）: 0.12744523252873352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 12-lead ECGs with high sampling frequency are the clinical gold standard for arrhythmia detection, but their short-term, spot-check nature often misses intermittent events. Wearable ECGs enable long-term monitoring but suffer from irregular, lower sampling frequencies due to battery constraints, making morphology analysis challenging. We present an end-to-end classification pipeline to address these issues. We train a latent ODE to model continuous ECG waveforms and create robust feature vectors from high-frequency single-channel signals. We construct three latent vectors per waveform via downsampling the initial 360 Hz ECG to 90 Hz and 45 Hz. We then use a gradient boosted tree to classify these vectors and test robustness across frequencies. Performance shows minimal degradation, with macro-averaged AUC-ROC values of 0.984, 0.978, and 0.976 at 360 Hz, 90 Hz, and 45 Hz, respectively, suggesting a way to sidestep the trade-off between signal fidelity and battery life. This enables smaller wearables, promoting long-term monitoring of cardiac health.
• Abstract（参考訳）: サンプリング頻度の高い12個の心電図は不整脈検出のための臨床金基準であるが、短期的、スポットチェックの性質は間欠的な事象を欠くことが多い。 ウェアラブルECGは長期監視を可能にするが、バッテリの制約により不規則で低いサンプリング周波数に悩まされ、形態解析が困難になる。 これらの問題に対処するために、エンドツーエンドの分類パイプラインを提案する。 我々は、連続ECG波形をモデル化し、高周波単一チャネル信号からロバスト特徴ベクトルを作成するために潜在ODEを訓練する。 我々は、初期360HzのECGを90Hz、45Hzにダウンサンプリングすることで、波形毎に3つの潜時ベクトルを構築する。 次に、勾配強化木を用いてこれらのベクトルを分類し、周波数間のロバスト性をテストする。 性能は最小限の劣化を示し、平均値0.984、0.978、0.976はそれぞれ360Hz、90Hz、45Hzである。 これにより、より小型のウェアラブルが提供され、心臓の健康状態の長期監視が促進される。

関連論文リスト

• CLARAE: Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of Intracardiac Electrograms [37.042025337065816]
  CLARAEは1次元エンコーダデコーダである。 高忠実度再構成とコンパクトな64次元潜在表現を実現する。
  論文  参考訳（メタデータ） (2025-09-28T20:39:21Z)
• Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses [24.039917512972977]
  単純性バイアス(Simplicity Bias, SB)として知られる細粒度だが臨床的に重要な手がかりを見越して, 支配的かつ反復的なパターンに適合する傾向を示した。 本稿では,1)ECG信号の動的特性を反映した時間周波数特性を捉えるための時間周波数対応フィルタと,2)2つの領域をまたいだ粗い表現学習のための多言語プロトタイプ再構成と,さらにSBを緩和する手法を提案する。
  論文  参考訳（メタデータ） (2025-06-25T03:25:49Z)
• AnyECG: Foundational Models for Multitask Cardiac Analysis in Real-World Settings [34.078819572852446]
  心電図(ECG)は急性心臓発作の検出に非常に敏感である。 本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。
  論文  参考訳（メタデータ） (2024-11-17T17:32:58Z)
• DCAE-SR: Design of a Denoising Convolutional Autoencoder for reconstructing Electrocardiograms signals at Super Resolution [5.368388861148683]
  心電図(ECG)信号は心血管診断において重要な役割を担っている。 ECG記録における固有ノイズと限定分解能は、正確な解釈と診断を妨げる可能性がある。 本稿では,DNAEを用いて心電図信号の内部の時間・周波数情報を強化する新しいECGスーパー解像度(SR)モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-29T19:46:08Z)
• Deep Learning Models for Arrhythmia Classification Using Stacked Time-frequency Scalogram Images from ECG Signals [4.659427498118277]
  本稿では,心電図に基づく不整脈分類のためのAI自動分類システムを提案する。 深層学習に基づく解法は心電図に基づく不整脈分類のために提案されている。
  論文  参考訳（メタデータ） (2023-12-01T03:16:32Z)
• PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
  犬心電図(ECG)の評価には熟練した獣医が必要である。 心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。 犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
  論文  参考訳（メタデータ） (2023-05-17T09:06:39Z)
• Blind ECG Restoration by Operational Cycle-GANs [15.264145425539128]
  心電図信号の持続的長期モニタリングは不整脈などの心疾患の早期発見に不可欠である。 非クリニカルECG記録は、ベースライン、信号カット、モーションアーティファクト、QRS振幅の変動、ノイズ、その他の干渉といった深刻なアーティファクトに悩まされることが多い。 サイクル整合型生成対向ネットワーク(Cycle-GAN)を用いた盲検心電図復元のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-01-29T19:47:17Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• 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)

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。