Refining Myocardial Infarction Detection: A Novel Multi-Modal Composite Kernel Strategy in One-Class Classification

要約

冠動脈疾患（CAD）から生じる重篤な状態である心筋梗塞（MI）を早期に発見することは、さらなる心筋損傷を防ぐために極めて重要です。
この研究では、心エコー検査における 1 クラス分類 (OCC) アルゴリズムを使用した早期 MI 検出のための新しい方法を紹介します。
私たちの研究では、マルチモーダル部分空間サポート ベクトル データ記述に基づく新しいアプローチを採用することで、利用可能な心エコー検査データが限られているという課題を克服しました。
提案された技術には、非線形投影トリックに複合カーネルを組み込み、ガウス シグモイド関数とラプラシアン シグモイド関数を融合するマルチビュー心エコー検査を使用する特殊な MI 検出フレームワークが含まれます。
さらに、最適化プロセスのモダリティの両方または 1 つに最大化を適用することで、射影行列の更新戦略を強化します。
私たちの方法は、心エコー検査データから抽出された特徴を最適化された低次元部分空間に効率的に変換することにより、MI 検出能力を高めます。
複数の心エコー検査ビューを含む包括的な HMC-QU データセットからのターゲット クラス インスタンスに対して特別にトレーニングされた OCC モデルは、MI 検出精度の顕著な向上を示しています。
私たちの調査結果は、私たちが提案したマルチビューアプローチが71.24%の幾何平均を達成していることを明らかにしており、これは心エコー検査に基づくMI診断の大幅な進歩を意味し、より正確で効率的な診断ツールを提供することを意味します。

要約(オリジナル)

Early detection of myocardial infarction (MI), a critical condition arising from coronary artery disease (CAD), is vital to prevent further myocardial damage. This study introduces a novel method for early MI detection using a one-class classification (OCC) algorithm in echocardiography. Our study overcomes the challenge of limited echocardiography data availability by adopting a novel approach based on Multi-modal Subspace Support Vector Data Description. The proposed technique involves a specialized MI detection framework employing multi-view echocardiography incorporating a composite kernel in the non-linear projection trick, fusing Gaussian and Laplacian sigmoid functions. Additionally, we enhance the update strategy of the projection matrices by adapting maximization for both or one of the modalities in the optimization process. Our method boosts MI detection capability by efficiently transforming features extracted from echocardiography data into an optimized lower-dimensional subspace. The OCC model trained specifically on target class instances from the comprehensive HMC-QU dataset that includes multiple echocardiography views indicates a marked improvement in MI detection accuracy. Our findings reveal that our proposed multi-view approach achieves a geometric mean of 71.24\%, signifying a substantial advancement in echocardiography-based MI diagnosis and offering more precise and efficient diagnostic tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google