論文の概要: Leveraging Cardiac Imaging to Improve ECG-Based Detection of Chagas Disease in Resource-Constrained Settings
- arxiv url: http://arxiv.org/abs/2609.08582v1
- Date: Tue, 08 Sep 2026 11:17:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.634291
- Title: Leveraging Cardiac Imaging to Improve ECG-Based Detection of Chagas Disease in Resource-Constrained Settings
- Title（参考訳）: 心電図を用いた心電図による循環器疾患の診断
- Abstract要約: チャガス病はラテンアメリカにおける心筋症の主要な原因である。
我々は,CMRに基づく構造知識を,対照的な事前学習を通じてECGに転送することを提案する。
- 参考スコア（独自算出の注目度）: 0.12220036674605628
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chagas disease is a major cause of cardiomyopathy in Latin America. Cardiac magnetic resonance (CMR) imaging can characterize its structural abnormalities, but scanners and expert readers remain scarce in endemic regions. Electrocardiography (ECG) is inexpensive and widely available, yet structural disease must be inferred indirectly from electrical signals. We propose to transfer CMR-derived structural knowledge to ECG through contrastive pre-training. Using 63,193 paired ECG-CMR examinations from the UK Biobank, we align an ECG encoder with a clinically grounded CMR embedding space using an asymmetric InfoNCE objective. Despite seeing no Chagas cases during pre-training, the resulting representation improves ECG-based Chagas detection. Across CODE-15% and SaMi-Trop, a frozen linear probe achieves an AUROC of 0.851 and sensitivity at the top 5% of predicted risk (Top5%-TPR) of 0.427 in five-fold cross-validation, compared with 0.827 and 0.377 for an unaligned ECG-FM baseline. On the PhysioNet/CinC 2025 Challenge test set, our model obtains the highest AUROC on SaMi-Trop-3 and the best ELSA-Brasil challenge score among the three top-performing methods, indicating that imaging-supervised ECG representations can generalize to populations and settings beyond the pre-training distribution.
- Abstract（参考訳）: チャガス病はラテンアメリカにおける心筋症の主要な原因である。
心臓磁気共鳴(CMR)イメージングは、その構造的異常を特徴付けることができるが、スキャナーや専門家の読者は、内膜領域にはほとんど存在しない。
心電図(ECG)は安価で広く利用可能であるが、構造疾患は電気信号から間接的に推測する必要がある。
我々は,CMRに基づく構造知識を,対照的な事前学習を通じてECGに転送することを提案する。
英国バイオバンクから得られた63,193対のECG-CMR検査を用いて,心電図エンコーダを非対称InfoNCE目標を用いた臨床接地CMR埋め込み空間に整列させる。
事前トレーニング中にChagasのケースは見られないが、結果の表現はECGベースのChagas検出を改善している。
CODE-15% と SaMi-Trop 全体では、凍結線形プローブは 0.851 の AUROC を達成し、5倍のクロスバリデーションでは 0.427 の予測リスク (Top5%-TPR) の トップ5% の感度を達成し、不整合 ECG-FM ベースラインでは 0.827 と 0.377 と比較した。
The PhysioNet/CinC 2025 Challenge set, our model obtained the highest AUROC on SaMi-Trop-3 and the best ELSA-Brasil Challenge score of the three top-performing method, showed that imaging-supervised ECG representations can generalize to populations and setting above the pre-training distribution。
関連論文リスト
- 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) - ImputeECG: Deep Learning Reconstruction of Complete 12-Lead Electrocardiograms from Incomplete Recordings for Cardiac Assessment [24.857745389886443]
ImputeECGはマスク付き1次元トランスフォーマーオートエンコーダで、12個のリード、10秒のECGを完了し、観測された全てのサンプルを保持する。
メトリクスは、モルフォロジーと下流診断ユーティリティの分析により、当初欠落していた領域で計算された。
これらの結果は、不完全なECGレコードをAI対応の12リード10秒デジタル信号に変換するための実用的な戦略として、ECG補完を支援する。
論文 参考訳（メタデータ） (2026-07-06T12:51:05Z) - 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) - A Signal-Language Foundation Model for Broad-Spectrum Cardiovascular Assessment from Routine Electrocardiography [11.95199497112656]
我々はECGコントラスト言語画像事前学習(ECGCLIP)を開発した。
ECGCLIPは信号言語によるコントラスト学習フレームワークであり、ECG波形と専門診断報告を整合させる。
1,324,856人の心電図2,837,962例を対象にECGCLIPを評価した。
論文 参考訳（メタデータ） (2026-05-25T05:51:44Z) - 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) - 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) - Dual-Phase Cross-Modal Contrastive Learning for CMR-Guided ECG Representations for Cardiovascular Disease Assessment [5.214355651899765]
本稿では,心電図から臨床的に関連のある心臓表現型の抽出を改善するための対照的な学習フレームワークを提案する。
本稿では,心電図から画像由来の表現型を抽出し,特に機能パラメーターについて述べる。
この戦略により、ECGから画像由来の特徴をスケーラブルかつ費用効率良く抽出できる。
論文 参考訳（メタデータ） (2026-02-13T12:34:28Z) - 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) - Reconstructing 12-Lead ECG from 3-Lead ECG using Variational Autoencoder to Improve Cardiac Disease Detection of Wearable ECG Devices [22.76333494370181]
可変オートエンコーダ(VAE)方式であるWearECGを提案する。
我々のモデルには、ECG信号の時間的および空間的依存をよりよく捉えるためのアーキテクチャの改善が含まれている。
大規模プレトレーニングECGモデルであるECGFounderを,40以上の心条件を含む多ラベル分類タスクで微調整する。
論文 参考訳（メタデータ） (2025-10-13T14:14:37Z) - LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。
CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
論文 参考訳（メタデータ） (2025-08-23T07:21:23Z) - Translating Electrocardiograms to Cardiac Magnetic Resonance Imaging Useful for Cardiac Assessment and Disease Screening: A Multi-Center Study AI for ECG to CMR Translation Study [30.84196213860778]
心臓血管疾患(CVD)は世界的な死亡の原因であり、アクセス可能で正確な診断ツールを必要とする。
12個の心電図信号をCMRレベルの機能パラメータと合成画像に変換するディープラーニングフレームワークであるCardioNetsを提案する。
読者の研究では、ECGのみのCardioNetsは、ECGと実際のCMRの両方を用いて、人間の医師よりも13.9%高い精度を達成した。
論文 参考訳（メタデータ） (2024-11-19T09:09:14Z)
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。