Heart Disease Detection using Vision-Based Transformer Models from ECG Images

要約

心血管疾患としても知られる心臓病は、心臓と血管の障害を特徴とする一般的な重篤な病状で、冠状動脈疾患、心不全、心筋梗塞などのさまざまな合併症を引き起こします。
心臓病をタイムリーかつ正確に検出することは、臨床現場において最も重要です。
リスクのある個人を早期に特定することで、積極的な介入、予防措置、個別の治療戦略が可能になり、病気の進行を緩和し、有害な転帰を軽減できます。
近年、心臓病検出の分野は、高度な技術と計算によるアプローチの統合により、目覚ましい進歩を遂げています。
これらには、機械学習アルゴリズム、データマイニング技術、膨大な量の臨床および生理学的データを活用して診断精度とリスク層別化を向上させる予測モデリング フレームワークが含まれます。
この研究では、最先端の技術、つまりビジョン トランスフォーマー モデルを使用して ECG 画像から心臓病を検出することを提案します。
これらのモデルは、Google-Vit、Microsoft-Beit、および Swin-Tiny です。
私たちの知る限り、これは、最先端の技術、すなわちトランスモデルを採用し、画像ベースの ECG データによる心臓病の検出に焦点を当てた最初の試みです。
提案されたフレームワークの貢献を実証するために、ビジョン トランスフォーマー モデルのパフォーマンスが最先端の研究と比較されます。
実験結果は、提案されたフレームワークが顕著な分類結果を示すことを示しています。

要約(オリジナル)

Heart disease, also known as cardiovascular disease, is a prevalent and critical medical condition characterized by the impairment of the heart and blood vessels, leading to various complications such as coronary artery disease, heart failure, and myocardial infarction. The timely and accurate detection of heart disease is of paramount importance in clinical practice. Early identification of individuals at risk enables proactive interventions, preventive measures, and personalized treatment strategies to mitigate the progression of the disease and reduce adverse outcomes. In recent years, the field of heart disease detection has witnessed notable advancements due to the integration of sophisticated technologies and computational approaches. These include machine learning algorithms, data mining techniques, and predictive modeling frameworks that leverage vast amounts of clinical and physiological data to improve diagnostic accuracy and risk stratification. In this work, we propose to detect heart disease from ECG images using cutting-edge technologies, namely vision transformer models. These models are Google-Vit, Microsoft-Beit, and Swin-Tiny. To the best of our knowledge, this is the initial endeavor concentrating on the detection of heart diseases through image-based ECG data by employing cuttingedge technologies namely, transformer models. To demonstrate the contribution of the proposed framework, the performance of vision transformer models are compared with state-of-the-art studies. Experiment results show that the proposed framework exhibits remarkable classification results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google