DiffuSETS: 12-lead ECG Generation Conditioned on Clinical Text Reports and Patient-Specific Information

要約

心臓病は依然として人間の健康に対する重大な脅威です。
非侵襲的診断ツールとして、心電図 (ECG) は心臓スクリーニングに最も広く使用されている方法の 1 つです。
しかし、プライバシーへの懸念と限られた医療リソースにより高品質の ECG データが不足しているため、効果的な ECG 信号生成の緊急の必要性が生じています。
ECG 信号を生成するための既存のアプローチは、通常、小規模なトレーニング データセットに依存しており、包括的な評価フレームワークが欠如しており、データ拡張を超えた潜在的なアプリケーションを見落としています。
これらの課題に対処するために、私たちは、高いセマンティック整合性と忠実度を備えた ECG 信号を生成できる新しいフレームワークである DiffuSETS を提案します。
DiffuSETS は、臨床テキスト レポートのさまざまなモダリティと患者固有の情報を入力として受け入れ、臨床的に意味のある ECG 信号の作成を可能にします。
さらに、ECG 生成における標準化された評価の欠如に対処するために、この領域における生成モデルの有効性を評価するための包括的なベンチマーク方法論を導入します。
私たちのモデルはテストで優れた結果を達成し、ECG 生成タスクにおける優位性を証明しました。
さらに、心臓病教育や医療知識の発見における新たな応用を模索しながら、データ不足を軽減するその可能性を紹介し、私たちの研究が広範に影響を与えることを強調しています。

要約(オリジナル)

Heart disease remains a significant threat to human health. As a non-invasive diagnostic tool, the electrocardiogram (ECG) is one of the most widely used methods for cardiac screening. However, the scarcity of high-quality ECG data, driven by privacy concerns and limited medical resources, creates a pressing need for effective ECG signal generation. Existing approaches for generating ECG signals typically rely on small training datasets, lack comprehensive evaluation frameworks, and overlook potential applications beyond data augmentation. To address these challenges, we propose DiffuSETS, a novel framework capable of generating ECG signals with high semantic alignment and fidelity. DiffuSETS accepts various modalities of clinical text reports and patient-specific information as inputs, enabling the creation of clinically meaningful ECG signals. Additionally, to address the lack of standardized evaluation in ECG generation, we introduce a comprehensive benchmarking methodology to assess the effectiveness of generative models in this domain. Our model achieve excellent results in tests, proving its superiority in the task of ECG generation. Furthermore, we showcase its potential to mitigate data scarcity while exploring novel applications in cardiology education and medical knowledge discovery, highlighting the broader impact of our work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google