Mar, 2023

基于临床文本报告的 12 导联心电图综合

PDF
TL;DR本文提出了基于临床文字报告的自回归生成模型 Auto-TTE，用于合成 12 导联心电图的文本转 ECG 任务，并与其他代表模型进行比较，实验结果表明我们的模型在各种定量评估和定性分析中具有优越性，经过三名美国心脏病学会认证心脏病专家的用户研究，证实了生成样本的保真度和语义对齐度。
electrocardiogram synthesisgan-based generative modelsauto-ttetext-to-ecg task12-lead ecgs
发现论文，激发创造
  • 从两个异步导联合成十二导联心电图

    使用深度生成模型将两个异步心电图信号生成十二个信号以改进心脏疾病的诊断，并提高对心电图信号的分类表现。

    Feb, 2021

  • ECGNet: 从单导联输入合成 12 导联心电图信号的生成对抗网络（GAN）方法

    使用生成对抗网络 (GAN) 的 ECGNet 程序能够从任何单导联输入生成完整的 12 导联心电图 (ECG) 信号，并且通过交叉和自相关分析识别能够表征心血管疾病的特征。经过与肺心病功能结果数据，并使用具有 CVD - 指示特征的 ECG 信号作为输入进行 CVD 发作预测的 CNN 模型训练后，我们的模型可以实现对多个 CVD 目标的准确预测。该研究是首次利用单导联输入预测剩余的 11 个导联。

    Sep, 2023

  • 一种合成心电图（ECG）图像生成工具箱，以促进基于深度学习的扫描 ECG 数字化

    该论文提出一种产生锐实的心电图图像的新方法，用于训练深度学习算法，在保护个人身份信息的同时使用这些图像来进行数字化，得到的结果表明，产生的合成心电图像数据集对于训练深度学习模型具有重要意义。

    Jul, 2023

  • ETP: 通过 ECG-Text 预训练学习可迁移的心电图表示

    在心血管保健领域，心电图 (ECG) 作为一种关键的非侵入性诊断工具。本研究提出了 ECG-Text 预训练 (ETP) 框架，通过将 ECG 信号与文本报告联系起来，学习跨模态表示。该框架在线性评估和零样本分类任务中表现出色，在 PTB-XL 和 CPSC2018 数据集上展示了其鲁棒性和泛化性能。

    Sep, 2023

  • 使用编码将 ECG 信号转换为图像以实现高效的图像 - 文本检索

    本研究介绍了一种新颖的心电图 (ECG) 自动识别方法，采用最近的大型语言模型 (LLM) 和 Vision-Transformer (ViT) 模型。该方法通过将 ECG 编码为图像并采用视觉语言学习范式来自动识别相似的临床病例，从而实现有效的 ECG 检索系统，可在临床应用中提供诊断服务。

    Apr, 2023

  • 基于 GAN 的 ECG 合成中利用统计形状先验

    本文提出一种基于生成式对抗网络（GANs）和统计的心电图（ECG）数据建模的新方法，以在 ECG 信号生成任务中利用先前对 ECG 信号动态特性的理解，在 MIT-BIH 心律失常数据库中进行实验验证，结果表明以 2-D 格式建模 ECG 信号的时间和幅度变化可以生成更真实的信号并提高最新的心律失常分类基线的性能。

    Oct, 2022

  • ME-GAN：在心脏病情况下学习全景心电表示以进行多视角心电图像合成

    本文提出了一种新型的面向疾病的生成对抗网络 ME-GAN 用于多视角心电图合成，实现了以疾病为条件的泛光心电表征，并将它们投影到多种标准视图上，同时还提出了一种新的度量标准 rFID 来评估合成心电图信号的质量。

    Jul, 2022

  • 视觉语言合成数据增强心脏超声下游任务

    利用最近的视觉 - 语言模型，通过文本和语义标签图引导，产生多样和逼真的合成心脏超声图像数据，以保留原始图像的关键特征。研究了无条件生成、文本引导生成和混合方法，并展示出合成数据中存在的丰富上下文信息可能提高下游任务的准确性和可解释性，例如改善指标和更快收敛的心脏超声图像分割和分类。实现部分含有检查点、提示和创建的合成数据集可公开获取。

    Mar, 2024

  • 冻结语言模型有助于心电图零样本学习

    该研究提出了使用机器生成的临床报告指导自我监督的心电图预训练的 ECG-Text 多模态自监督预训练（METS）。METS 在零 - shot 分类中能够实现约 10％的性能改善，而不使用任何带标签的数据，此外，在 MIT-BIH 数据集上，MET 对预训练数据集的 ECG 和其他类别的 ECG 之间的相似性进行了最小化，体现了在泛化性，效果和效率方面使用 ECG-Text 多模态自监督学习的优势。

    Mar, 2023

  • 使用生成对抗网络合成逼真的心电图

    本文研究应用生成对抗网络（GANs）生成真实且无隐私顾虑的电信号数据，用于医疗培训和数据分析，并就 GANs 产生的合成数据的隐私问题进行讨论。研究结果表明 GANs 的架构成功地生成了与训练集相似且不同样本的时间序列信号，并且能够经受住简单的成员推断攻击，保证了训练集的隐私。

    Sep, 2019