論文の概要: Characterising cardiac tissue properties with graph neural networks

• arxiv url: http://arxiv.org/abs/2608.15843v1
• Date: Sun, 16 Aug 2026 16:31:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.441062
• Title: Characterising cardiac tissue properties with graph neural networks
• Title（参考訳）: グラフニューラルネットワークを用いた心臓組織特性のキャラクタリゼーション
• Abstract要約: 心室複合体(PVCs)における心房アブレーションの文脈における関心領域を特定するために,2次元平面上の合成電図信号に基づいて学習したグラフニューラルネットワークベースのフレームワークを開発した。 本手法は, 単パッチ線維症, 急速脱分極, 高い興奮性の検出において平均0.96, 0.97, 0.95の精度を達成した。 訓練されたモデルは、数発の微調整を施した2次元曲面に適用でき、その一般化能力を示す。
• 参考スコア（独自算出の注目度）: 0.5053851873480311
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Characterising electrophysiological properties of cardiac tissue efficiently and accurately from spatially sparse intracardiac measurements is clinically important for localising ablation targets and improving arrhythmia treatment. We developed a graph neural network-based framework trained on synthetic electrogram signals on 2D flat surfaces to identify areas of interest in the context of cardiac ablation for premature ventricular complexes (PVCs). Our method achieved an average precision of 0.96, 0.97, and 0.95 for the detection of single-patch fibrosis, rapid depolarisation and high excitability, respectively. The trained model can then be applied to 2D curved surfaces with few-shot fine-tuning, demonstrating its generalisation capability. Future work will develop this framework further for clinical use in PVC ablation.
• Abstract（参考訳）: 心臓組織の電気生理学的特性を空間的疎心測定から効率的に正確に評価することは、アブレーションターゲットの局在化と不整脈治療の改善に臨床的に重要である。 心室複合体(PVCs)における心房アブレーションの文脈における関心領域を特定するために,2次元平面上の合成電図信号に基づいて学習したグラフニューラルネットワークベースのフレームワークを開発した。 本手法は, 単パッチ線維症, 急速脱分極, 高い興奮性の検出において平均0.96, 0.97, 0.95の精度を達成した。 訓練されたモデルは、数発の微調整を施した2次元曲面に適用でき、その一般化能力を示す。 今後の研究は、PVCアブレーションにおける臨床利用のために、この枠組みをさらに発展させる予定である。

関連論文リスト

• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• A Latent ODE Approach to Spatiotemporal Modeling of Cine Cardiac MRI [35.84205082882139]
  両心室解剖とフルサイクルシネ運動を連続的軌跡として符号化する潜在力学モデルを提案する。 循環器疾患を伴わない英国バイオバンク72,386名を対象に,心不全367例を含む調査を行った。
  論文  参考訳（メタデータ） (2026-06-25T07:53:45Z)
• Latent Representations of Intracardiac Electrograms for Atrial Fibrillation Driver Detection [37.72464514643607]
  本研究では,非教師付き特徴抽出のための畳み込みオートエンコーダを用いたディープラーニングフレームワークを提案する。 心房電気活動の潜在的表現は、EMG分析の特徴づけと自動化を可能にする。 提案手法は, リアルタイムに動作可能であり, 臨床解剖学的マッピングシステムに統合することにより, アブレーション中の不整脈領域の同定を支援することができる。
  論文  参考訳（メタデータ） (2025-07-24T09:40:24Z)
• From Motion to Meaning: Biomechanics-Informed Neural Network for Explainable Cardiovascular Disease Identification [1.1142444517901016]
  我々は,ネオ・フック材料のエネルギーひずみ定式化を利用して心組織変形をモデル化する。 移動心内の局所ひずみを推定し,心血管疾患の分類に使用する特徴の詳細なセットを抽出した。
  論文  参考訳（メタデータ） (2025-07-08T08:43:05Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• 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)
• Learning to Predict Global Atrial Fibrillation Dynamics from Sparse Measurements [71.49601301663651]
  FibMapは、スパース測定からグローバルAFダイナミクスを再構築するグラフリカレントニューラルネットワークモデルである。 51の非接触全アリア記録に基づいてトレーニングされ、検証され、フィブマップは10%の表面カバレッジから全アリアダイナミクスを再構築した。 実世界の接触マッピング記録にFibMapの臨床的有用性を示し,非接触マッピングに匹敵する再現性を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:36:25Z)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Interpretable Pre-Trained Transformers for Heart Time-Series Data [15.377534937558744]
  我々は、PTG-PTとECG-PTの2つのトレーニング済み汎用心臓モデルを作成する。 PPGのジクロティックノッチや心電図のP波など,個々の注意が生理学的に反する特徴に反応することを強調した。 これらの事前訓練されたモデルは、心房細動(AF)の分類や、光胸腺撮影におけるビート検出などのタスクにおいて、簡単に微調整できる。
  論文  参考訳（メタデータ） (2024-07-30T12:22:03Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference [6.447210290674733]
  シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。 感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
  論文  参考訳（メタデータ） (2023-07-10T08:54:12Z)
• Three-dimensional micro-structurally informed in silico myocardium -- towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
  本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。 シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
  論文  参考訳（メタデータ） (2022-08-22T22:01:44Z)

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。