論文の概要: ECG-LENS: Lead-Aware Clinical Context Enriched ECG Report Generation and Evaluation

• arxiv url: http://arxiv.org/abs/2608.05893v1
• Date: Thu, 06 Aug 2026 11:18:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.892045
• Title: ECG-LENS: Lead-Aware Clinical Context Enriched ECG Report Generation and Evaluation
• Title（参考訳）: ECG-LENS:心電図レポートの生成と評価
• Abstract要約: ECGレポートの生成は、臨床医の解釈作業負荷を削減し、診断効率を向上し、保存されていない地域社会における心臓アセスメントへのアクセスを拡大する可能性がある。 本稿では, マルチリード信号モデリング, 診断認識表現, 臨床背景テキスト生成を統合した, エンドツーエンドのECGレポート生成フレームワークであるECG-LENSを提案する。
• 参考スコア（独自算出の注目度）: 5.4061821164321175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrocardiography (ECG) is one of the most widely used non-invasive tools for diagnosing cardiovascular disease, but transforming multi-lead ECG recordings into reliable clinical reports remains challenging. Automating ECG report generation could reduce clinicians' interpretive workload, improve diagnostic efficiency, and expand access to cardiac assessment in underserved communities. Unlike image-based report-generation tasks, ECG interpretation requires the analysis of subtle temporal morphologies, followed by coherent diagnostic reasoning expressed in dense clinical terminology. Existing systems predominantly focus on classification, while current report-generation methods often produce outputs that remain inadequate for practical clinical use. To address these challenges, we propose ECG-LENS, an end-to-end ECG report-generation framework that jointly integrates multi-lead signal modeling, diagnosis-aware representations, and clinically grounded text generation. ECG-LENS combines lead-wise encoders that preserve localized waveform morphology with a global encoder that captures inter-lead dependencies. To guide report generation, we fuse signal representations with clinically enriched textual prompts that condition a GPT-2 decoder. We further introduce an ECG-specific report-preprocessing strategy that helps the model focus on clinically meaningful findings. Finally, because lexical metrics may under- or overestimate report quality, we propose F1-ECGBERT, a BERT-based, ECG-specific metric that measures agreement between diagnostic labels extracted from generated and reference reports. In-domain experiments on PTB-XL and cross-domain evaluation on MIMIC-IV-ECG show that ECG-LENS consistently outperforms state-of-the-art methods, with absolute gains of 4.0%, 6.3%, and 11.5% in METEOR, ROUGE-L, and F1-ECGBERT, respectively, over the strongest baselines.
• Abstract（参考訳）: 心電図(ECG)は、心血管疾患の診断に最も広く用いられている非侵襲的ツールの1つであるが、マルチリード心電図記録を信頼性のある臨床報告に変換することは依然として困難である。 ECGレポート生成の自動化は、臨床医の解釈作業量を削減し、診断効率を向上し、保存されていない地域社会における心臓アセスメントへのアクセスを拡大する可能性がある。 画像に基づくレポート生成タスクとは異なり、ECGの解釈は微妙な時間的形態の分析を必要とする。 既存のシステムは主に分類に重点を置いているが、現在のレポート生成手法では、実際的な臨床利用には不十分な出力を出力することが多い。 これらの課題に対処するために,マルチリード信号モデリング,診断対応表現,臨床現場でのテキスト生成を共同で統合した,エンドツーエンドのECGレポート生成フレームワークであるECG-LENSを提案する。 ECG-LENSは、局所的な波形形態を保存するリードワイドエンコーダと、リード間の依存関係をキャプチャするグローバルエンコーダを組み合わせる。 報告生成を誘導するために,GPT-2デコーダを条件に,臨床的にリッチなテキストプロンプトで信号表現を融合する。 さらに,本モデルが臨床的に有意な発見に焦点を合わせるのに役立つECG固有のレポート前処理戦略を導入する。 最後に,レキシカル指標が報告品質の過小評価あるいは過大評価される可能性があることから, BERTをベースとしたECG固有の指標であるF1-ECGBERTを提案する。 MIMIC-IV-ECGのPTB-XLとクロスドメイン評価のドメイン内実験により、ECG-LENSは、最強のベースラインであるMETEOR、ROUGE-L、F1-ECGBERTにおいて、それぞれ4.0%、6.3%、11.5%という、最先端の手法を一貫して上回っている。

関連論文リスト

• Diagnosing as Cardiologists Do: ECG Agents with Doctor-Grounded Priors for Clinical Reasoning Across Diseases and Populations [18.282452158790257]
  心臓科医は、波形成分の局在化、リズムと間隔パターンの測定、これらの構造化された観察を診断証拠に翻訳することで心電図を解釈する。 臨床的に構造化されたECG推論フレームワークであるLuminaECGを紹介する。 ECG信号は標準的な心電図グリッド紙に描画され、臨床読影に使用される空間的およびスケール的な手がかりを保存する。
  論文  参考訳（メタデータ） (2026-08-10T03:00:35Z)
• ECG-LLM: Foundation Model for ECG-Based Cardiac Reasoning [50.82313761980655]
  ECG-LLMは186,409人を対象にした4つのコホート679,112のECG研究で訓練されたECG条件付き大言語モデルである。 ECG信号、臨床コンテキスト、CMR、ECHOから導かれる、臨床的に構造化された質問応答対をトレーニングする。 心拍数などの従来の心電図測定を成功させ、複雑なCMR由来の表現型を強く予測する。
  論文  参考訳（メタデータ） (2026-07-15T11:06:35Z)
• 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)
• Information-theoretic Multimodal Representation Learning for Electrocardiogram Signals [34.28801923123035]
  心電図(ECG)は、心臓活動の非侵襲的測定として広く用いられ、臨床診断において中心的な役割を果たす。 近年,心電図の信号と診断的意味論を取り入れた臨床報告とが一致しているが,臨床報告は心電図波形の豊富な生理的構造を保たないことが多い。 我々は、情報理論の観点からECG表現学習を定式化し、信号構造を共同で保存し、臨床的意味論を統合する、抽出可能な目的を導出する。
  論文  参考訳（メタデータ） (2026-05-26T18:52:57Z)
• 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)
• 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)
• 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)
• EEG-MedRAG: Enhancing EEG-based Clinical Decision-Making via Hierarchical Hypergraph Retrieval-Augmented Generation [45.031633614714]
  EEG-MedRAGは3層ハイパーグラフに基づく検索拡張生成フレームワークである。 EEGドメイン知識、個々の患者ケース、大規模リポジトリをトラバース可能なn-aryリレーショナルハイパーグラフに統合する。 第1回クロスリリース・クロスロールEEG臨床QAベンチマークを,7つの障害と5つの臨床的観点から紹介した。
  論文  参考訳（メタデータ） (2025-08-19T11:12:58Z)
• DiffuSETS: 12-lead ECG Generation Conditioned on Clinical Text Reports and Patient-Specific Information [13.680337221159506]
  心臓病は人間の健康にとって重大な脅威である。 プライバシー上の懸念と限られた医療資源によって駆動される高品質なECGデータの空洞化は、効果的なECG信号生成の押し付けの必要性を生み出します。 セマンティックアライメントと忠実度の高いECG信号を生成可能な新しいフレームワークであるDiffuSETSを提案する。
  論文  参考訳（メタデータ） (2025-01-10T12:55:34Z)
• MEIT: Multimodal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [28.35107188450758]
  心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。 最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-07T23:20:56Z)
• Automated Cardiovascular Record Retrieval by Multimodal Learning between Electrocardiogram and Clinical Report [28.608260758775316]
  本稿では,Large Language Models (LLM) と Vision-Transformer (ViT) モデルにおける最近のブレークスルーを活用し,ECGの解釈に新たなアプローチを導入する。 入力ECGデータに基づいて,最も類似した症例を自動的に同定する手法を提案する。 本研究は,未開発地域において診断サービスを提供する上で重要な資源となる可能性がある。
  論文  参考訳（メタデータ） (2023-04-13T06:32:25Z)

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。