論文の概要: Investigating ECG Diagnosis with Ambiguous Labels using Partial Label Learning

• arxiv url: http://arxiv.org/abs/2512.11095v1
• Date: Thu, 11 Dec 2025 20:11:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.561413
• Title: Investigating ECG Diagnosis with Ambiguous Labels using Partial Label Learning
• Title（参考訳）: 部分ラベル学習を用いたあいまいラベルによる心電図診断の検討
• Authors: Sana Rahmani, Javad Hashemi, Ali Etemad,
• Abstract要約: ラベル曖昧性は心電図(ECG)の診断に固有の問題である。 現在のECGモデルは、クリーンで曖昧でないアノテーションの前提で訓練されている。 本研究は心電図診断法に関する最初の体系的研究である。
• 参考スコア（独自算出の注目度）: 35.52153521040861
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Label ambiguity is an inherent problem in real-world electrocardiogram (ECG) diagnosis, arising from overlapping conditions and diagnostic disagreement. However, current ECG models are trained under the assumption of clean and non-ambiguous annotations, which limits both the development and the meaningful evaluation of models under real-world conditions. Although Partial Label Learning (PLL) frameworks are designed to learn from ambiguous labels, their effectiveness in medical time-series domains, ECG in particular, remains largely unexplored. In this work, we present the first systematic study of PLL methods for ECG diagnosis. We adapt nine PLL algorithms to multi-label ECG diagnosis and evaluate them using a diverse set of clinically motivated ambiguity generation strategies, capturing both unstructured (e.g., random) and structured ambiguities (e.g., cardiologist-derived similarities, treatment relationships, and diagnostic taxonomies). Our experiments on the PTB-XL and Chapman datasets demonstrate that PLL methods vary substantially in their robustness to different types and degrees of ambiguity. Through extensive analysis, we identify key limitations of current PLL approaches in clinical settings and outline future directions for developing robust and clinically aligned ambiguity-aware learning frameworks for ECG diagnosis.
• Abstract（参考訳）: ラベル曖昧性は、重なり合う条件と診断の不一致から生じる実世界の心電図(ECG)診断に固有の問題である。 しかし、現在のECGモデルは、クリーンで曖昧でないアノテーションの前提で訓練されており、現実の条件下でのモデルの開発と有意義な評価の両方を制限している。 部分ラベル学習(PLL)フレームワークはあいまいなラベルから学習するために設計されているが、医療時系列領域(特にECG)におけるその有効性は未解明のままである。 本研究は,心電図診断のためのPLL法に関する最初の体系的研究である。 我々は,9つのPLLアルゴリズムを多ラベル心電図診断に適用し,多種多様な臨床動機付曖昧性生成戦略を用いて,非構造的(例えば,ランダム)と構造的曖昧性(例えば,心臓科医の類似性,治療関連性,診断分類)を捉える。 PTB-XL と Chapman のデータセットに対する実験により,PLL の手法は多種多様であいまいさの程度に大きく異なることが示された。 広範に分析することで、臨床環境における現在のPLLアプローチの鍵となる限界を特定し、ECG診断のための堅牢で臨床的に整合したあいまいさを意識した学習フレームワークを開発するための今後の方向性を概説する。

関連論文リスト

• Versatile and Risk-Sensitive Cardiac Diagnosis via Graph-Based ECG Signal Representation [29.353421682331327]
  VersAtile と Risk-Sensitive の心臓診断では、不均一な心電図信号を均一にモデル化するためにグラフベースの表現を用いる。 VarSは、心電図信号を、重要な診断特徴を捉えた汎用的なグラフ構造に変換することで際立っている。 VarSは、特定のモデル出力につながる正確な波形をピンポイントすることで、解釈可能性を提供する。
  論文  参考訳（メタデータ） (2025-11-11T08:35:50Z)
• Interpretable Multimodal Zero-Shot ECG Diagnosis via Structured Clinical Knowledge Alignment [10.34278624026891]
  ZETAは、臨床知識に合わせて心電図の診断を解釈するために設計されたゼロショットマルチモーダルフレームワークである。 今後の研究を促進するため、キュレートされた観測データセットとコードをリリースする。
  論文  参考訳（メタデータ） (2025-10-24T15:09:09Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• 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)
• ECG Arrhythmia Detection Using Disease-specific Attention-based Deep Learning Model [0.0]
  短絡心電図記録から不整脈を検出するための病気特異的注意ベースディープラーニングモデル(DANet)を提案する。 新しいアイデアは、既存のディープニューラルネットワークにソフトコーディングまたはハードコーディングの波形拡張モジュールを導入することである。 DANetをソフトコーディングするためには、自己教師付き事前学習と2段階教師付きトレーニングを組み合わせた学習フレームワークも開発する。
  論文  参考訳（メタデータ） (2024-07-25T13:27:10Z)
• CREMA: A Contrastive Regularized Masked Autoencoder for Robust ECG Diagnostics across Clinical Domains [2.9143698739149615]
  自己教師付き事前学習により一般化可能な表現を学習するための12誘導ECGの基礎モデルであるCREMAを提案する。 CREMAは、コントラスト正規化MAE損失による生成学習とコントラスト正規化を組み合わせて、局所波形の詳細とグローバル時間依存性の両方をキャプチャするためにSignal Transformer (SiT)アーキテクチャを使用する。
  論文  参考訳（メタデータ） (2024-06-26T02:24:13Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• Representation learning for improved interpretability and classification accuracy of clinical factors from EEG [7.323779456638996]
  脳波に基づく神経測定は、うつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能する。 これまでの研究では、脳波に基づく神経計測がうつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能することを示した。 しかし,その臨床的有用性は,1)脳波データに関連する固有ノイズに対処する自動化方法の欠如,2)脳波信号のどの側面が臨床疾患のマーカーであるかの知識の欠如など,完全には実現されていない。
  論文  参考訳（メタデータ） (2020-10-28T23:21:36Z)

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。