文献

J-GLOBAL ID：202202245940658105   整理番号：22A1020814

WaSP-ECG:心電図解析のための波動セグメンテーションプリトレーニングツールキット【JST・京大機械翻訳】

WaSP-ECG: A Wave Segmentation Pretraining Toolkit for Electrocardiogram Analysis

著者 (9件)： Brisk Rob (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  Brisk Rob (Cardiology Department, Craigavon Area Hospital, Craigavon, United Kingdom) ,  Bond Raymond R. (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  Finlay Dewar (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  McLaughlin James A. D. (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  Piadlo Alicja J. (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  Piadlo Alicja J. (Cardiology Department, Craigavon Area Hospital, Craigavon, United Kingdom) ,  McEneaney David J. (Faculty of Computing, Engineering and the Built Environment, Ulster University, Belfast, United Kingdom) ,  McEneaney David J. (Cardiology Department, Craigavon Area Hospital, Craigavon, United Kingdom)
資料名： Frontiers in Physiology (Web)  (Frontiers in Physiology (Web))
巻： 13  ページ： 760000  発行年： 2022年 
JST資料番号： U7093A  ISSN： 1664-042X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 導入:表現学習は,人工知能(AI)モデルを可能にし,大規模ラベルなしデータセットから有用な特徴を学習する。これは,下流タスクの範囲にわたるラベル付きデータの必要性を低減することができる。波動セグメンテーションは心電図(ECG)表現学習の有用な形であると仮定した。ラベル付きデータ要求の低減に加えて,セグメンテーションマスクは説明可能なAIのための機構を提供するかもしれない。本研究では,波動セグメンテーションプレトレーニング(WaSP)アプリケーションの開発と評価について詳述した。材料と方法:訓練:非AIベースECG信号と画像シミュレータを開発し,ECGと波セグメンテーションマスクを生成した。U-Netモデルを,合成ECGから波をセグメント化するために訓練した。データセット:PTB-XLデータセットからの生サンプルファイルをダウンロードした。各ECGも画像にプロットした。微調整と評価:60:20:20訓練/検証/試験セット分割で,保持アプローチを用いた。U-Netモデルのエンコーダ部分を微調整し,PTB-XL ECGを2つのタスク:洞調律(SR)対心房細動(AF)および心筋梗塞(MI)対正常ECGsに分類した。微調整は予訓練なしで繰り返した。結果を比較した。説明可能なAI:AI導出セグメンテーションマスクとルールベースAF検出器を組み合わせた事例パイプラインを開発し,評価した。結果:WaSPは,ECG信号と画像の両方に対する下流タスクのモデル性能を改善した。非訓練モデルと波動セグメンテーションのために事前訓練されたモデル間の差は,特にECG画像分析に対して顕著であった。セグメンテーションマスクの選択を示した。AIとルールベース成分の両方から成るAF検出アルゴリズムは,エンドツーエンドAIモデルよりも少ないが,その出力は高度に説明可能であると提案した。用例出力を示した。結論:合成データおよびラベルを用いたWaSPは,AIモデルを可能にし,実世界データによる下流ECG分析のための有用な特徴を学習できる。セグメンテーションマスクはエンドツーエンドAIの文脈で信頼キャリブレーションを容易にする中間出力を提供する。AI導出セグメンテーションマスクとルールベース診断分類器を説明可能なECG解析に組み込むことが可能である。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *波動 ,  シミュレータ ,  *セグメンテーション ,  *心電図 ,  ラベル ,  心房細動 ,  画像 ,  符号器 ,  エンドツーエンド方式 ,  応用プログラム ,  モデル ,  画像分析 ,  検証 ,  機械学習 ,  ルールベース

著者キーワード (5件)： 人工知能 ,  心電図(ECG) ,  機械学習 ,  説明可能なAI ,  表現学習

分類 (4件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

引用文献 (42件)：

• Amann J., Blasimme A., Vayena E., Frey D., Madai V. I. (2020). Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Med. Inform. Decis. Making 20:310. doi: 10.1186/s12911-020-01332-6
• Arsene C. T., Hankins R., Yin H. (2019). “"Deep learning models for denoising ECG signals,"” in Proceedings of the 2019 27th European Signal Processing Conference (EUSIPCO), (Piscataway, NJ: IEEE). doi: 10.1186/s12911-020-01332-6
• Attia Z. I., Noseworthy P. A., Lopez-Jimenez F., Asirvatham S. J., Deshmukh A. J., Gersh B. J., et al (2019). An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction. Lancet 394 861-867. doi: 10.1016/S0140-6736(19)31721-0
• Bengio Y., Courville A., Vincent P. (2013). Representation learning: a review and new perspectives. IEEE Trans. Pattern Anal. Mach. Intell. 35 1798-1828. doi: 10.1109/TPAMI.2013.50
• Bertels J., Eelbode T., Berman M., Vandermeulen D., Maes F., Bisschops R., et al (2019). “"Optimizing the dice score and jaccard index for medical image segmentation: theory and practice,"” in Proceedings of the International Conference on Medical Image Computing and Computer-Assisted Intervention, (Piscataway, NJ: IEEE), 92-100. doi: 10.1109/TMI.2020.3002417

タイトルに関連する用語 (4件)： WASP ,  ECG ,  心電図解析 ,  波動