Fugu-MT 論文翻訳(概要): Wearable ECG Quality Assessment: A Deep Learning and Ambulatory Context-Awareness Approach

論文の概要: Wearable ECG Quality Assessment: A Deep Learning and Ambulatory Context-Awareness Approach

arxiv url: http://arxiv.org/abs/2609.29396v1
Date: Thu, 24 Sep 2026 11:23:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.870661
Title: Wearable ECG Quality Assessment: A Deep Learning and Ambulatory Context-Awareness Approach
Title（参考訳）: ウェアラブルECG品質評価 : 深層学習と環境認識アプローチ
Abstract要約: このモデルはCopenhagen Center for Health Technology-Contextualized Arrhythmia Database (CACHET-CADB)で訓練されている。本論文は,SQAモデルと物理的文脈データにより,ECGノイズがいかに複雑であるかを明らかにする。
参考スコア（独自算出の注目度）: 3.8768839735240737
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents and evaluates a Deep Learning-based (DL-based) Signal Quality Assessment (SQA) model to distinguish between clean and noisy ambulatory Electrocardiograms (ECG). The model is trained on Copenhagen Center for Health Technology-Contextualized Arrhythmia Database (CACHET-CADB), which, to the best of our knowledge, is the first ambulatory ECG database with both physical and patient-reported contextual data. The model shows stable performance on different databases such as MIT-databases and the latest PyhsioNet/Cinc Challenge 2021 databases. Subsequently, the paper demonstrates how complicated ECG noise can be investigated by the SQA model and the physical contextual data.
Abstract（参考訳）: 本稿では, クリーン・ノイズ性心電図(ECG)を識別するために, 深層学習に基づく信号品質評価(SQA)モデルを提示し, 評価する。このモデルはCopenhagen Center for Health Technology-Contextualized Arrhythmia Database (CACHET-CADB)でトレーニングされており、このデータベースは私たちの知る限り、身体的および患者が報告したコンテキストデータを格納した最初の増幅ECGデータベースである。このモデルは、MITデータベースや最新のPyhsioNet/Cinc Challenge 2021データベースなど、さまざまなデータベースで安定したパフォーマンスを示している。その後、SQAモデルと物理的文脈データにより、ECGノイズがいかに複雑であるかを明らかにする。

関連論文リスト

Taming foundation model with invariance-oriented pre-training for broad-spectrum EEG analysis across signal-level, brain-state, and brain-health tasks [46.533103231728724]
INCEPTは11,000時間以上の非競合型臨床脳波をトレーニングした、不変指向の脳波基礎モデルである。買収後の脳波分析の3段階にまたがる10個のデータセットの広スペクトルベンチマークでINCEPTを評価した。
論文参考訳（メタデータ） (2026-08-25T14:20:02Z)
Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech [69.86604856129883]
外科的音声品質評価(DSQA)は臨床診断と包括的音声技術において重要である。本研究では,未ラベルの変形音声と大規模典型的な音声データセットを併用した3段階のフレームワークを提案する。
論文参考訳（メタデータ） (2026-03-16T23:00:07Z)
A Non-Intrusive Neural Quality Assessment Model for Surface Electromyography Signals [19.894088480632217]
本研究では,SEMG信号のSNRを予測する新しい非侵入モデルQASE-netを提案する。実験フレームワークは,2つのオープンアクセスデータベースから実世界のsEMGとECGデータを利用する。
論文参考訳（メタデータ） (2024-02-08T08:23:33Z)
Scaling Representation Learning from Ubiquitous ECG with State-Space Models [28.776392386988043]
我々は、ECG信号からの表現学習のための事前訓練された状態空間モデルであるtextbfWildECGを紹介する。我々は,275,000個のECG記録を野生で収集し,下流のタスクで評価することで,このモデルを自己指導的に訓練する。
論文参考訳（メタデータ） (2023-09-26T22:08:19Z)
A Review on Knowledge Graphs for Healthcare: Resources, Applications, and Promises [59.4999994297993]
この総合的なレビューは、医療知識グラフ(HKG)の現状の概要を提供することを目的としている。我々は,既存のHKGに関する文献を網羅的に分析し,その構築方法,活用技術,応用について考察した。このレビューは、HKGsが生物医学研究や臨床実践に大きな影響を与える可能性を強調している。
論文参考訳（メタデータ） (2023-06-07T21:51:56Z)
MedalCare-XL: 16,900 healthy and pathological 12 lead ECGs obtained through electrophysiological simulations [0.12417791895581763]
機械的心電気生理学的モデルでは、心臓の電気活動のパーソナライズされたシミュレーションと、それに続く心電図(ECG)を体表面で行うことができる。電気生理学的シミュレーションに基づいて, 合計16,900個の心電図からなる新しい合成データベースを作成した。仮想コホートと公用臨床心電図データベースとの抽出特徴の比較により, 臨床心電図の合成信号は健常者, 病理組織学的サブポピュレーションにおいて高い忠実度を有する症例において臨床心電図を表すことが示された。
論文参考訳（メタデータ） (2022-11-29T07:46:39Z)
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)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)
Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。