論文の概要: Motif-based morphology signatures for interpretable ECG screening and monitoring

• arxiv url: http://arxiv.org/abs/2606.00107v1
• Date: Tue, 26 May 2026 16:15:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:27.959448
• Title: Motif-based morphology signatures for interpretable ECG screening and monitoring
• Title（参考訳）: 心電図の解釈とモニタリングのためのモチーフに基づく形態的シグネチャ
• Authors: Nivedita Bijlani, Mauricio Villarroel,
• Abstract要約: 本稿では,拍動対応心電図モチーフを心電図の解釈可能なシグネチャとして定義するモチーフベースのフレームワークを提案する。 本稿では,通常の正弦律からの偏差,個人化ベースラインからの偏差,モチーフ不安定指数の3つの解釈可能なドリフト指標を紹介する。 我々は,これらの指標を,短期(PTB-XL)と長期(MIT-BIH Arrhythmia)のECGデータセットで評価した。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electrocardiography (ECG) remains central to cardiovascular screening, yet interpretation remains largely manual and episodic. Clinical practice relies on brief resting ECGs and, when required, long-duration ambulatory recordings, both generating data that require resource-intensive review. Consequently, subtle morphological changes or progressive drift preceding clinically apparent abnormalities may go unnoticed. We propose a motif-based framework that defines beat-aligned ECG motifs as interpretable cardiac signatures and quantifies morphological drift and deviation across short and long-term monitoring. Motifs are representative cardiac cycles capturing dominant morphology. We introduce three interpretable drift metrics: deviation from a normal sinus rhythm (NSR), deviation from a personalised baseline, and a motif instability index. Motifs are extracted by selecting beats that minimise Dynamic Time Warping (DTW) distance within fixed windows. We evaluate these metrics on short (PTB-XL) and long-duration (MIT-BIH Arrhythmia) ECG datasets. Interpretability is achieved through representative motif overlays and fiducial-based visualisations, enabling direct inspection of morphological changes. In MIT-BIH, the proposed metrics significantly separated predominantly normal from arrhythmic subjects (p<0.01). In PTB-XL, NSR deviation distinguished normal from abnormal ECGs across major diagnostic subtypes (p<1e-4, Cliff's delta up to 0.93). ECG motifs provide an interpretable representation of cardiac morphology, supporting scalable longitudinal monitoring and early detection of morphology-driven change.
• Abstract（参考訳）: 心電図 (ECG) は心血管スクリーニングの中心に留まっているが, 解釈は手動, てんかんが中心である。 臨床実践は、短時間の安静時心電図と、必要であれば長期のアンビュレーション記録に依存し、どちらもリソース集約的なレビューを必要とするデータを生成する。 その結果、臨床的に明らかな異常に先行する微妙な形態変化や進行性漂流は、気づかない可能性がある。 本稿では,拍動整列心電図のモチーフを解釈可能な心臓シグネチャとして定義し,短期・長期モニタリングにおける形態的ドリフトと偏差を定量化するモチーフベースのフレームワークを提案する。 モチーフは、支配的な形態を捉えた代表的な心臓循環である。 通常の正弦リズム(NSR)からの偏差,パーソナライズされたベースラインからの偏差,モチーフ不安定指数の3つの解釈可能なドリフト指標を導入する。 モーティフは、固定窓内における動的時間ワープ(DTW)距離を最小化するビートを選択することで抽出される。 我々は,これらの指標を,短期(PTB-XL)と長期(MIT-BIH Arrhythmia)のECGデータセットで評価した。 解釈性は、代表的モチーフオーバーレイとフィデューシャルに基づく視覚化によって達成され、形態的変化を直接検査することができる。 MIT-BIHでは,不整脈群(p<0.01。 PTB-XLでは、NSR偏差は、主要な診断サブタイプ(p<1e-4, Cliff's delta up 0.93)の異常心電図と区別された。 ECGモチーフは心形態の解釈可能な表現を提供し、拡張性のある経時的モニタリングと形態変化の早期検出をサポートする。

関連論文リスト

• Learning Cardiac Latent Representations in Vectorcardiogram Space [54.12639543496968]
  既存の方法は、観測可能なECG信号空間でのみ動作する。 本稿では,VCG空間内で直接心臓電気活動の潜在性統一表現を学習することを提案する。 LVCGは、この物理的に接地された潜在空間で動作するように設計された、最初の汎用的な自己教師型表現学習フレームワークである。
  論文  参考訳（メタデータ） (2026-05-29T12:48:12Z)
• Physiology and Anatomy Aware Inverse Inference of Myocardial Infarction for Cardiac Digital Twin [19.301818693988032]
  既存のMI推論手法は、リアルな傷跡形態と心臓再分極を見落としている。 心臓デジタル双生児を用いた非侵襲的MI局在化のための新しい枠組みを提案する。 我々のフレームワークは、逆推論で既存のメソッドを著しく上回ります。
  論文  参考訳（メタデータ） (2026-05-21T06:32:21Z)
• PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
  フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。 既存の手法は統計アライメントとデータ駆動生成に依存している。 生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
  論文  参考訳（メタデータ） (2026-05-09T07:39:58Z)
• Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
  既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。 本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。 臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
  論文  参考訳（メタデータ） (2026-03-09T15:39:57Z)
• RhythmBERT: A Self-Supervised Language Model Based on Latent Representations of ECG Waveforms for Heart Disease Detection [8.583942286312135]
  心電図(ECG)解析は心疾患の診断に不可欠である。 ほとんどの自己教師付き学習方法は、ECGを一般的な時系列として扱う。 本稿では,ECGを言語パラダイムとする生成ECG言語モデルであるRhythmBERTを提案する。
  論文  参考訳（メタデータ） (2026-02-26T14:45:29Z)
• FoundationalECGNet: A Lightweight Foundational Model for ECG-based Multitask Cardiac Analysis [1.1666234644810893]
  FoundationalECGNetは、ECGの自動分類のための基礎的なフレームワークである。 はじめに正常心電図信号と異常心電図信号を区別し、次に異常心電図信号を5つの心臓状態の1つに分類する。 伝導障害および肥大症に対する99%のF1スコアを含む多クラス疾患検出における最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-09-10T19:48:07Z)
• Manifold Learning for Personalized and Label-Free Detection of Cardiac Arrhythmias [0.9208007322096533]
  我々は, 非線形次元減少 (NLDR) は心電図信号の医学的特徴に適応できることを示した。 MIT-BIHデータセットのMLIIおよびV1リードを用いて、NLDRが心臓モニタリングに大いに期待できることを実証した。
  論文  参考訳（メタデータ） (2025-06-19T17:39:57Z)
• ArrhythmiaVision: Resource-Conscious Deep Learning Models with Visual Explanations for ECG Arrhythmia Classification [0.0]
  本稿では,エッジデバイス上での効率的なリアルタイム不整脈分類に最適化されたArrhythmiNet V1とV2を提案する。 MobileNetの深い分離可能な畳み込み設計にインスパイアされたこれらのモデルは、それぞれ302.18KBと157.76KBのメモリフットプリントを維持している。 本研究は, 実用, ウェアラブル, 組込みECGモニタリングシステムにおいて, 解釈可能性, 予測精度, 計算効率の両立の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-04-30T18:22:45Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• 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)

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。