Fugu-MT 論文翻訳(概要): Atrial Fibrillation Detection Using Machine Learning

論文の概要: Atrial Fibrillation Detection Using Machine Learning

arxiv url: http://arxiv.org/abs/2602.18036v1
Date: Fri, 20 Feb 2026 07:30:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-23 18:01:41.257188
Title: Atrial Fibrillation Detection Using Machine Learning
Title（参考訳）: 機械学習を用いた心房細動検出
Authors: Ankit Singh, Vidhi Thakur, Nachiket Tapas,
Abstract要約: 心房細動(AF)は、一般的な不整脈であり、虚血性脳卒中の主要な危険因子である。本稿では,ECG信号とECG信号の同時検出のための10倍の機械学習フレームワークを提案する。
参考スコア（独自算出の注目度）: 3.5522386235856582
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Atrial fibrillation (AF) is a common cardiac arrhythmia and a major risk factor for ischemic stroke. Early detection of AF using non-invasive signals can enable timely intervention. In this work, we present a comprehensive machine learning framework for AF detection from simultaneous photoplethysmogram (PPG) and electrocardiogram (ECG) signals. We partitioned continuous recordings from 35 subjects into 525 segments (15 segments of 10,000 samples each at 125Hz per subject). After data cleaning to remove segments with missing samples, 481 segments remained (263 AF, 218 normal). We extracted 22 features per segment, including time-domain statistics (mean, standard deviation, skewness, etc.), bandpower, and heart-rate variability metrics from both PPG and ECG signals. Three classifiers -- ensemble of bagged decision trees, cubic-kernel support vector machine (SVM), and subspace k-nearest neighbors (KNN) -- were trained and evaluated using 10-fold cross-validation and hold-out testing. The subspace KNN achieved the highest test accuracy (98.7\%), slightly outperforming bagged trees (97.9\%) and cubic SVM (97.1\%). Sensitivity (AF detection) and specificity (normal rhythm detection) were all above 95\% for the top-performing models. The results indicate that ensemble-based machine learning models using combined PPG and ECG features can effectively detect atrial fibrillation. A comparative analysis of model performance along with strengths and limitations of the proposed framework is presented.
Abstract（参考訳）: 心房細動(AF)は、一般的な不整脈であり、虚血性脳卒中の主要な危険因子である。非侵襲的な信号を用いたAFの早期検出は、タイムリーな介入を可能にする。本研究では,光胸腺写真(PPG)と心電図(ECG)の同時検出のための総合的な機械学習フレームワークを提案する。被験者35名から連続記録を525セグメントに分割した(被験者毎125Hzで1万サンプルの15セグメント)。データクリーニングで欠落したサンプルを除去した後、481個のセグメントが残った(263個のAF、218個の正常)。 PPG信号とECG信号の両方から、時間領域統計(平均、標準偏差、歪度等)、バンドパワー、心拍変動測定値などを含む22の特徴を抽出した。 3つの分類器(bagged decision treeのアンサンブル、立方体カーネルサポートベクターマシン(SVM)、サブスペースk-nearest neighbors(KNN))が10倍のクロスバリデーションとホールドアウトテストを使用してトレーニングされ評価された。サブスペースのKNNはテスト精度98.7\%、バッジ木97.9\%、立方体SVM97.1\%をわずかに上回った。感度 (AF検出) と特異性 (通常のリズム検出) はすべて, トップパフォーマンスモデルでは95%以上であった。その結果,PTGとECGを組み合わせたアンサンブルベース機械学習モデルにより心房細動を効果的に検出できることが示唆された。提案フレームワークの長所と短所とともに,モデル性能の比較分析を行った。

関連論文リスト

Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
論文参考訳（メタデータ） (2025-10-30T13:54:37Z)
Latent Representations of Intracardiac Electrograms for Atrial Fibrillation Driver Detection [37.72464514643607]
本研究では,非教師付き特徴抽出のための畳み込みオートエンコーダを用いたディープラーニングフレームワークを提案する。心房電気活動の潜在的表現は、EMG分析の特徴づけと自動化を可能にする。提案手法は, リアルタイムに動作可能であり, 臨床解剖学的マッピングシステムに統合することにより, アブレーション中の不整脈領域の同定を支援することができる。
論文参考訳（メタデータ） (2025-07-24T09:40:24Z)
Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
論文参考訳（メタデータ） (2025-07-23T21:18:23Z)
Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram [4.5546756241897235]
本研究は, 心電図(PCG)データセットを用いて心拍数を推定する。マルチタスク学習フレームワークにベストパフォーマンスモデルを拡張し、心拍数推定と大腿骨骨折検出を同時に行う。
論文参考訳（メタデータ） (2024-07-25T22:56:21Z)
SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文参考訳（メタデータ） (2024-04-15T01:07:08Z)
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)
Global ECG Classification by Self-Operational Neural Networks with Feature Injection [25.15075119957447]
コンパクトな1次元自己組織化オペレーショナルニューラルネットワーク(Self-ONN)を用いた患者間心電図分類のための新しいアプローチを提案する。我々は1D Self-ONN層を用いてECGデータから形態表現を自動的に学習し、Rピーク付近のECG波形の形状を捉えることができた。提案手法は,MIT-BIH ベンチマークデータベースを用いて,これまでで最高の分類性能を達成している。
論文参考訳（メタデータ） (2022-04-07T22:49:18Z)
Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
本研究では,人工知能を用いた心房細動検出法を提案する。本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
論文参考訳（メタデータ） (2021-04-15T12:50:16Z)
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)
DeepBeat: A multi-task deep learning approach to assess signal quality and arrhythmia detection in wearable devices [0.0]
我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。 2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
論文参考訳（メタデータ） (2020-01-01T07:41:28Z)

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。