論文の概要: Diagnosing as Cardiologists Do: ECG Agents with Doctor-Grounded Priors for Clinical Reasoning Across Diseases and Populations
- arxiv url: http://arxiv.org/abs/2608.09053v1
- Date: Mon, 10 Aug 2026 03:00:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.050614
- Title: Diagnosing as Cardiologists Do: ECG Agents with Doctor-Grounded Priors for Clinical Reasoning Across Diseases and Populations
- Title（参考訳）: 心臓科医が行う診断 : 専門医を対象とする心電図治療薬
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 18.282452158790257
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiologists interpret electrocardiograms by localizing waveform components, measuring rhythm and interval patterns, and translating these structured observations into diagnostic evidence. Whether this expert reading process can serve as an effective prior for ECG agents remains unclear. To address this question, we introduce LuminaECG, a clinically structured ECG reasoning framework that reformulates ECG interpretation as measurement-grounded visual reading. ECG signals are rendered on standard electrocardiographic grid paper to preserve the spatial and scale cues used in clinical reading. P-wave, QRS-complex, and T-wave boundaries are explicitly delineated, and color-coded segmentation decomposes the waveform into discrete visual measurement primitives. A general 2B vision-language backbone is then trained with low-rank supervised fine-tuning to associate these primitives with diagnostic reasoning, without architectural modification. Across open, proprietary, and ECG-specialist zero-shot baselines, LuminaECG improves both waveform measurement and diagnostic recovery. It reaches a clinically meaningful reader tier on the CODE-test benchmark, transfers across geographically diverse ECG datasets without retraining, and generates reports whose structure contains an emergent prognostic signal. These findings suggest that effective ECG agents require not only larger models, but supervision that preserves the alignment between measurable waveform evidence and clinical knowledge.
- Abstract（参考訳）: 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。
この専門家による読解プロセスが、ECGエージェントの効果的な事前処理として機能するかどうかはまだ不明である。
そこで本研究では,心電図の解釈を測定対象の視覚的読解として再構成する臨床構造化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。
P-wave、QRS-complex、T-wave境界は明示的に区切られ、カラーコードセグメンテーションは波形を離散的な視覚計測プリミティブに分解する。
一般的な2Bビジョン言語バックボーンは、アーキテクチャの変更なしにこれらのプリミティブを診断的推論に関連付けるために、低ランクの教師付き微調整で訓練される。
オープンでプロプライエタリで、ECG専門のゼロショットベースライン全体にわたって、LuminaECGは波形測定と診断の回復の両方を改善している。
CODE-testベンチマークで臨床的に意味のある読影層に到達し、地理的に多様なECGデータセットを再トレーニングせずに転送し、創発的な予後信号を含むレポートを生成する。
これらの結果から, 有効なECG薬は, より大きなモデルを必要とするだけでなく, 測定可能な波形証拠と臨床知識との整合性を維持するための監督が必要であることが示唆された。
関連論文リスト
- ECG-LENS: Lead-Aware Clinical Context Enriched ECG Report Generation and Evaluation [5.4061821164321175]
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。
論文 参考訳（メタデータ） (2026-08-06T11:18:31Z) - 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) - 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) - CARE-ECG: Causal Agent-based Reasoning for Explainable and Counterfactual ECG Interpretation [3.4920018472301866]
本稿では,1つのパイプラインで表現学習,診断,説明を統一する因果的に構造化されたECG言語推論フレームワークであるCARE-ECGを提案する。
CARE-ECGは、因果検索拡張生成と、履歴、診断、応答を検証と統合したモジュール型エージェントパイプラインを通じて、言語出力を基盤とする。
全体として、CARE-ECGは重要な潜伏ドライバ、因果的エビデンスパス、代替的な生理状態が結果をどのように変えるかを明らかにすることによって、追跡可能な推論を提供する。
論文 参考訳（メタデータ） (2026-04-12T02:35:23Z) - 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) - ECG-R1: Protocol-Guided and Modality-Agnostic MLLM for Reliable ECG Interpretation [36.244601234085856]
既存のマルチモーダル大言語モデル(MLLM)は、ECGの解釈には信頼できないままである。
ECG-R1は、信頼できるECG解釈のために設計されたMLLMの最初の推論である。
コードとデータはhrefhttp://ai.heartvoice.com.cn/ECG-R1hereで公開されている。
論文 参考訳（メタデータ） (2026-02-04T07:17:55Z) - 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) - GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images [44.50428701650495]
GEMは,第1回MLLM統合ECG時系列,第12回リードECG画像,地上および臨床のECG解釈のためのテキストである。
GEMは、3つのコアイノベーションを通じて機能的解析、エビデンス駆動推論、および臨床医のような診断プロセスを可能にする。
基礎心電図理解におけるMLLMの能力を評価するために,臨床動機付けのベンチマークであるグラウンドドECGタスクを提案する。
論文 参考訳（メタデータ） (2025-03-08T05:48:53Z) - 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) - ECG-SL: Electrocardiogram(ECG) Segment Learning, a deep learning method
for ECG signal [19.885905393439014]
本稿では,ECG信号の周期的性質をモデル化する新しいECG-Segment Based Learning (ECG-SL) フレームワークを提案する。
この構造的特徴に基づき, 時間的モデルを用いて, 各種臨床業務の時間的情報学習を行う。
提案手法はベースラインモデルより優れ,3つの臨床応用におけるタスク固有手法と比較して競争性能が向上する。
論文 参考訳（メタデータ） (2023-10-01T23:17:55Z) - ETP: Learning Transferable ECG Representations via ECG-Text Pre-training [10.856365645831728]
ECG-Text Pre-training (ETP)は、ECG信号とテキストレポートをリンクするクロスモーダル表現を学習するために設計された革新的なフレームワークである。
ETPはECGエンコーダと事前訓練された言語モデルを使用して、ECG信号を対応するテキストレポートと整合させる。
論文 参考訳（メタデータ） (2023-09-06T19:19:26Z)
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。