論文の概要: Artificial Intelligence-Assistant Cardiotocography: Unified Model for Signal Reconstruction, Fetal Heart Rate Analysis, and Variability Assessment

• arxiv url: http://arxiv.org/abs/2605.14242v1
• Date: Thu, 14 May 2026 01:18:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.563978
• Title: Artificial Intelligence-Assistant Cardiotocography: Unified Model for Signal Reconstruction, Fetal Heart Rate Analysis, and Variability Assessment
• Title（参考訳）: 人工心電図 : 信号再構成,胎児心拍解析,可変性評価のための統一モデル
• Authors: Xiaohua Wang, Kai Yu, XuXiao Liang, Liang Wang, Chao Han,
• Abstract要約: 我々のモデルは、ラベルなしの558,412個のデータポイントからなる巨大なデータセットで事前訓練された。 本モデルでは, 臨界FHR減速と加速度の検出において高い感度と特異性を示した。
• 参考スコア（独自算出の注目度）: 14.181844060152367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The monitoring of fetal heart rate (FHR) and the assessment of its variability are crucial for preventing fetal compromise and adverse outcomes. However, traditional methods encounter limitations arising from equipment performance, data transmission, and subjective assessments by doctors. We have developed a tailored AI-based FHrCTG model specifically for FHR monitoring, which effectively mitigates noise interference and precisely reconstructs signals. Our model was pre-trained on a massive dataset consisting of 558,412 unlabeled data points and further refined using 7,266 expert-reviewed entries. To validate FHR, we introduced the Intersection Overlapping Labels (IOL) approach, which transforms rate analysis into categorical judgments. Testing revealed that our model demonstrates high sensitivity and specificity in detecting critical FHR decelerations (89.13% and 87.78%, respectively) and accelerations (62.5% and 92.04%, respectively). Furthermore, based on Fischer's criteria for clinical application, our model achieved impressive AUC scores of 0.7214 and 0.9643 for verifying FHR periodicity and amplitude variation, respectively.
• Abstract（参考訳）: 胎児心拍数(FHR)のモニタリングと,その変動性の評価は,胎児の妥協や悪影響を防ぐために重要である。 しかし、伝統的な手法は、機器の性能、データ伝達、医師による主観的評価から生じる限界に遭遇する。 我々は、ノイズ干渉を効果的に軽減し、信号を正確に再構成するFHR監視専用のAIベースのFHrCTGモデルを開発した。 我々のモデルは,558,412個のラベル付きデータポイントからなる大規模データセット上で事前学習され,さらに7,266個の専門家レビューされたエントリを用いて改良された。 FHRの妥当性を検証するため,IOL (Intersection Overlapping Labels) アプローチを導入した。 実験の結果, 臨界FHR減速(89.13%, 87.78%)と加速(62.5%, 92.04%)の感度と特異性を示した。 さらに,Fischerの臨床応用基準に基づき,FHRの周期性および振幅の変動を検証するためのAUCスコアが0.7214,0.9643であった。

関連論文リスト

• Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis [45.00216485193071]
  心電図による心臓の異常は, 長期分布により検出が困難である。 我々は、自己教師付き異常検出と人口動態認識型表現学習を統合したAI支援二段階ECGフレームワークを開発した。 本手法は,まれな異常に対して94.7%のAUROCを達成し,コモン・レア性能のギャップを73%削減する。
  論文  参考訳（メタデータ） (2026-03-20T07:04:00Z)
• A Foundation Model Approach for Fetal Stress Prediction During Labor From cardiotocography (CTG) recordings [0.0]
  心電図は、運動中の胎児のモニタリングに広く用いられている。 深層学習のアプローチは臨床結果ラベル付きCTG記録の不足によって制約されている。 自己教師型プレトレーニングの第1報をCTG解析に応用した。
  論文  参考訳（メタデータ） (2026-01-05T22:36:18Z)
• Improved cystic hygroma detection from prenatal imaging using ultrasound-specific self-supervised representation learning [0.18058404137575482]
  嚢胞性横隔膜腫(Cystic hygroma)は、高リスク出生前超音波検査で、染色体異常、構造的異常、および妊娠の悪影響を呈する。 本研究は,第1トリメスター超音波画像において,超音波による自己教師付き事前訓練が,嚢胞性肥大症を高精度かつ堅牢に検出するのに役立つかどうかを検証した。
  論文  参考訳（メタデータ） (2025-12-28T00:07:26Z)
• Estimation of Segmental Longitudinal Strain in Transesophageal Echocardiography by Deep Learning [4.266983119889826]
  本研究では,経食道心エコー法(TEE)における運動推定のための深層学習(DL)法を用いたSLS推定のための最初の自動パイプラインであるautoStrainを紹介した。 本稿では,高密度フレーム・フレーム間予測のためのRAFT光フローモデルに基づくTeeFlowと,スパース長周期予測のためのCoTracker点軌道モデルに基づくTeeTrackerの2つのDL手法の比較分析を行う。 評価の結果,TeeTrackerの精度はTeeFlowより優れており,SynTEEテストデータセット上での動作推定における平均距離誤差は0.65mmであることがわかった。
  論文  参考訳（メタデータ） (2025-11-04T03:02:27Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Acoustic Index: A Novel AI-Driven Parameter for Cardiac Disease Risk Stratification Using Echocardiography [0.0]
  本稿では,標準的な超音波画像から心機能障害の定量化を目的とした,新しいAI誘発心エコーパラメータであるAudiotic Indexを紹介する。 このモデルは、クープマン作用素理論に基づく拡張動的モード分解(EDMD)と、臨床メタデータを組み込んだハイブリッドニューラルネットワークを組み合わせる。 様々な心疾患と正常なコントロールを含む736人の前向きコホートにおいて、AUCは独立したテストセットで0.89の曲線(AUC)の領域を達成した。 5回にまたがるクロスバリデーションによりモデルの堅牢性が確認され, 感度と特異性は, 独立データで0.8以上であった。
  論文  参考訳（メタデータ） (2025-07-17T21:27:28Z)
• Enhancing clinical decision support with physiological waveforms -- a multimodal benchmark in emergency care [0.9503773054285559]
  本稿では,救急医療におけるマルチモーダル意思決定支援を推進すべく,データセットとベンチマークプロトコルを提案する。 本モデルでは, 人口統計, バイオメトリックス, バイタルサイン, 検査値, 心電図(ECG)波形を入力として, 放電診断と患者の劣化の双方を予測する。
  論文  参考訳（メタデータ） (2024-07-25T08:21:46Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• A Federated Learning Framework for Stenosis Detection [70.27581181445329]
  本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。 アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。 データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
  論文  参考訳（メタデータ） (2023-10-30T11:13:40Z)
• 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)
• 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)

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。