論文の概要: A Novel end-to-end Digital Health System Using Deep Learning-based ECG Analysis

• arxiv url: http://arxiv.org/abs/2603.16891v1
• Date: Sat, 28 Feb 2026 17:29:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.364757
• Title: A Novel end-to-end Digital Health System Using Deep Learning-based ECG Analysis
• Title（参考訳）: 深層学習型心電図解析を用いたエンド・ツー・エンドデジタルヘルスシステム
• Authors: Artemis Kontou, Natalia Miroshnikova, Costakis Matheou, Sophocles Sophocleous, Nicholas Tsekouras, Kleanthis Malialis, Panayiotis Kolios,
• Abstract要約: AI-HEART(AI-HEART)は、長期心電図(ECG)の記録を管理し分析するためのクラウドベースの情報システムである。 システムは、複数日間の3段階のECGを取り込み、入力を正規化し、信号前処理を行い、ディープニューラルネットワークを使用して波のデライン化、ノイズ/品質検出、ビートレベルとリズムレベルの不整脈分類を行う。
• 参考スコア（独自算出の注目度）: 1.8665030569912726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study presents AI-HEART, a cloud-based information system for managing and analysing long-duration ambulatory electrocardiogram (ECG) recordings and supporting clinician decision-making. The platform operationalises an end-to-end pipeline that ingests multi-day three-lead ECGs, normalises inputs, performs signal preprocessing, and applies dedicated deep neural networks for wave delineation, noise/quality detection, and beat- and rhythm-level multi-class arrhythmia classification. To address class imbalance and real-world signal variability, model development combines large clinically annotated datasets with expert-in-the-loop curation and generative augmentation for under-represented rhythms. Empirical evaluation on three-lead ambulatory ECG data shows that delineation accuracy is sufficient for automated interval measurement, noise detection reliably flags poor-quality segments, and arrhythmia classification achieves high specificity with clinically useful macro-averaged performance across common and rarer rhythms. Beyond predictive accuracy, AI-HEART provides a scalable deployment approach for integrating AI into routine ECG services, enabling traceable outputs, audit-friendly storage of recordings and derived annotations, and clinician review/editing that captures feedback for controlled model improvement. The findings demonstrate the technical feasibility and operational value of a noise-aware AI-ECG platform as a digital health information system.
• Abstract（参考訳）: 本研究では,長期心電図 (ECG) 記録の管理と解析を行うクラウドベースの情報システムであるAI-HEARTについて述べる。 このプラットフォームは、複数日間の3段階のECGを取り込み、入力を正規化し、信号前処理を行い、波のデライン化、ノイズ/品質検出、ビートレベルおよびリズムレベルのマルチクラス不整脈分類のための専用ディープニューラルネットワークを適用するエンドツーエンドパイプラインを運用する。 クラス不均衡と実世界の信号の変動に対処するために、モデル開発は、大規模な臨床注釈付きデータセットと、専門家によるループ内キュレーションと、未表現のリズムに対する生成的拡張を組み合わせている。 三葉弁置換心電図データを用いた経験的評価では, 自動間隔測定には脱線精度が十分であり, ノイズ検出は品質の悪いセグメントを確実にフラグ付けし, 不整脈分類は, 一般的なリズムと稀なリズムにまたがって, 臨床的に有用なマクロ平均性能で高い特異性を達成している。 AI-HEARTは、予測精度以外にも、AIを通常のECGサービスに統合するためのスケーラブルなデプロイメントアプローチを提供し、トレース可能なアウトプット、記録と派生アノテーションの監査フレンドリな保存、コントロールされたモデル改善のためのフィードバックをキャプチャする臨床レビュー/編集を可能にする。 その結果,デジタルヘルス情報システムとしてのノイズ認識型AI-ECGプラットフォームの技術的実現可能性と運用価値が示された。

関連論文リスト

• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• Explainable AI (XAI) for Arrhythmia detection from electrocardiograms [0.0]
  深層学習は心電図(ECG)信号から高い精度の不整脈検出を可能にしているが、臨床応用には限界がある。 本研究では,時系列ECG分析に特化して適応した説明可能なAI(XAI)技術の適用について検討する。
  論文  参考訳（メタデータ） (2025-08-24T10:44:24Z)
• Electrocardiogram (ECG) Based Cardiac Arrhythmia Detection and Classification using Machine Learning Algorithms [0.0]
  機械学習(ML)と深層学習(DL)は、診断、予後、重篤な健康状態の治療を改善するために、医学の新たな展望を開いている。 本稿では,不整脈心電図(ECG)信号を分類するための予測精度の高いMLモデルの開発に着目する。
  論文  参考訳（メタデータ） (2024-12-07T08:29:44Z)
• 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)
• 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)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• ECG-CL: A Comprehensive Electrocardiogram Interpretation Method Based on Continual Learning [20.465733855762835]
  心電図(ECG)モニタリングは心血管疾患(CVD)早期診断の最も強力な手法の一つである。 古典的なルールベースのアルゴリズムは、今ではディープラーニングベースの手法によって完全にパフォーマンスが向上している。 本稿では,高解像度の低レベルセマンティック情報を一括して保持できるマルチレゾリューションモデルを提案する。
  論文  参考訳（メタデータ） (2023-04-10T15:19:00Z)
• 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。