The Role of Machine Learning in Congenital Heart Disease Diagnosis: Datasets, Algorithms, and Insights

要約

先天性心疾患は、最も一般的な胎児の異常および先天異常の 1 つです。
その発症に影響を与える多数の危険因子が特定されているにもかかわらず、多様な集団におけるその発生と管理についての包括的な理解は依然として限られています。
最近の機械学習の進歩により、患者データを活用して先天性心疾患の早期発見が可能になる可能性が実証されました。
過去 7 年間にわたり、研究者たちはこの課題に対処するために、さまざまなデータ主導型およびアルゴリズムによるソリューションを提案してきました。
この論文は、2018 年から 2024 年の間に発行された主要なジャーナルからの 432 件の参考文献のメタ分析を実施し、機械学習を使用した先天性心疾患の認識の体系的なレビューを示しています。74 件の学術論文の詳細な調査により、データベース、アルゴリズム、アプリケーション、
そして解決策。
さらに、この調査では、機械学習の専門家が先天性心疾患の認識に使用した報告済みのデータセットについても概説しています。
この研究では、体系的な文献レビュー手法を使用して、機械学習を先天性心疾患に適用する際の重要な課題と機会を特定しています。

要約(オリジナル)

Congenital heart disease is among the most common fetal abnormalities and birth defects. Despite identifying numerous risk factors influencing its onset, a comprehensive understanding of its genesis and management across diverse populations remains limited. Recent advancements in machine learning have demonstrated the potential for leveraging patient data to enable early congenital heart disease detection. Over the past seven years, researchers have proposed various data-driven and algorithmic solutions to address this challenge. This paper presents a systematic review of congential heart disease recognition using machine learning, conducting a meta-analysis of 432 references from leading journals published between 2018 and 2024. A detailed investigation of 74 scholarly works highlights key factors, including databases, algorithms, applications, and solutions. Additionally, the survey outlines reported datasets used by machine learning experts for congenital heart disease recognition. Using a systematic literature review methodology, this study identifies critical challenges and opportunities in applying machine learning to congenital heart disease.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google