論文の概要: Clinical radar heart sounds with echocardiographic phenotypes of ventricular dysfunction and valvular disease

• arxiv url: http://arxiv.org/abs/2610.29267v1
• Date: Wed, 21 Oct 2026 06:16:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 09:50:43.232174
• Title: Clinical radar heart sounds with echocardiographic phenotypes of ventricular dysfunction and valvular disease
• Title（参考訳）: 心室機能障害と弁膜疾患の心エコー像を呈した臨床レーダ心エコー
• Abstract要約: 162例それぞれに537例の心エコーと1例の心エコー検査を行った。 コホートは、左室放出率50%未満、局所壁運動異常、少なくとも中程度の弁弁閉鎖不全の3つの重なり合った表現型を包含する。
• 参考スコア（独自算出の注目度）: 19.44833457619256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar heart sounds capture cardiac mechanical activity without contact, while echocardiography characterizes ventricular and valvular function. Paired measurements connect these signals to structural heart disease, yet such data remain sparsely represented in public resources. Here we present 537 radar heart-sound recordings paired with one echocardiographic report for each of 162 patients. The cohort covers three overlapping phenotypes: left ventricular ejection fraction (LVEF) below 50%, regional wall-motion abnormality and at least moderate valvular regurgitation, present in 38, 43 and 39 patients, respectively. Original complex signals, processed radar heart sounds and temporal quality segmentation support signal-to-phenotype analysis. Technical validation retains 95.93% of signal duration and confirms reproducible waveform reconstruction. Patient-level five-fold evaluation achieves a mean outer-test AUROC of $0.770\pm0.138$ for reduced LVEF, identifying mechanical information associated with ventricular systolic dysfunction. This resource supports research linking non-contact cardiac mechanical signals to echocardiographic structural and functional phenotypes.
• Abstract（参考訳）: 心エコー検査では心室機能と弁機能に特徴がある。 ペアリング測定はこれらの信号を構造的心臓病に結びつけるが、そのようなデータは公共の資源ではわずかに表されていない。 162例それぞれに537例の心エコー記録と1例の心エコー検査を併用した。 左室排出分画(LVEF)は50%以下,局所壁運動異常は38例,43例,39例の3つの重なり合った表現型を呈する。 元来の複雑な信号、処理されたレーダ心臓音、時間的品質セグメンテーション支援信号-フェノタイプ解析 技術的検証は95.93%の信号持続時間を保持し、再現可能な波形再構成を確認する。 患者レベルの5倍評価は、心室収縮機能障害に関連する機械的情報を識別し、LVEFを減少させる平均外検AUROC$0.770\pm0.138$を達成する。 このリソースは、非接触型心臓機械信号と心エコー学的構造および機能的表現型を結びつける研究を支援する。

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)
• Associations between echocardiographic traits and AI-ECG predictions of heart failure [0.0]
  人工心電図(AI-ECG)は心不全(HF)を検出することができる。 AI-ECGにより予測されるHFリスクは、心筋機能障害、リモデリング、充満圧の心エコー計と一致しているかを検討した。
  論文  参考訳（メタデータ） (2026-05-23T13:37:36Z)
• Cardiac Copilot: Automatic Probe Guidance for Echocardiography with World Model [66.35766658717205]
  心臓の複雑な構造と重要な手術上の課題のため、経験豊富なソノグラフィーが不足している。 本稿では,リアルタイムなプローブ移動誘導が可能なCardiac Copilotシステムを提案する。 中心となるイノベーションは、心臓の空間構造を表現するためのデータ駆動の世界モデル、Cardiac Dreamerの提案である。 実世界の超音波データとそれに対応するプローブの動きを,3人のソノグラフィーによる151Kサンプル対を用いた110の定期的な臨床スキャンからトレーニングする。
  論文  参考訳（メタデータ） (2024-06-19T02:42:29Z)
• A Deep Learning-Driven Pipeline for Differentiating Hypertrophic Cardiomyopathy from Cardiac Amyloidosis Using 2D Multi-View Echocardiography [10.098930200447583]
  肥大型心筋症 (HCM) と心アミロイドーシス (CA) はいずれも心不全に進展する。 本稿では,HCMとCAの鑑別に2次元心エコー図を用いた新しい多視点深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-04-25T11:27:58Z)
• Classification of Short Segment Pediatric Heart Sounds Based on a Transformer-Based Convolutional Neural Network [1.5705429611931057]
  今回の研究では、RMSSDとZCRインジケータに適した信号を得るためには、0.4が理想的なしきい値であることが示されている。 短い信号(3sの心臓音)は、心臓音を正確に分類するのに十分な情報を持っておらず、長い信号(15sの心臓音)はより多くのノイズを含むことがある。 最も精度の高い93.69%の5s信号が得られ、心臓の音を識別する。
  論文  参考訳（メタデータ） (2024-03-30T20:32:35Z)
• Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
  単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。 また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
  論文  参考訳（メタデータ） (2024-02-12T11:04:08Z)
• Semantic-aware Temporal Channel-wise Attention for Cardiac Function Assessment [69.02116920364311]
  既存のビデオベースの手法では、左室領域や運動による左室の変化にはあまり注意を払わない。 本稿では,左室分割課題を伴う半教師付き補助学習パラダイムを提案し,左室領域の表現学習に寄与する。 提案手法は,0.22 MAE,0.26 RMSE,1.9%$R2$の改善により,スタンフォードデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-10-09T05:57:01Z)
• Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
  本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。 第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。 第2段階は、心拍を幅または幅に分類する分類NNである。 第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
  論文  参考訳（メタデータ） (2020-11-17T16:15:49Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。