ElectroCardioGuard: Preventing Patient Misidentification in Electrocardiogram Databases through Neural Networks

要約

心電図 (ECG) は、心臓関連の病理学的状態を検出するために心臓専門医によって一般的に使用されます。
正確な診断には、信頼できる ECG の収集が不可欠です。
しかし、臨床現場では、取り込んだ ECG 記録を誤った患者に割り当てるという不注意が発生する可能性があります。
この課題を認識し、私たちに連絡をくれた臨床研究施設と協力して、この問題に対処する研究を紹介します。
この研究では、2 つの ECG が同じ患者からのものであるかどうかを判断するための、小規模で効率的なニューラル ネットワーク ベースのモデルを提案します。
私たちのモデルは優れた一般化機能を実証し、760 分の 1 少ないパラメータを利用しながら、PTB-XL でのギャラリープローブ患者識別において最先端のパフォーマンスを実現します。
さらに、録音割り当ての間違いを検出するためにモデルを活用する手法を紹介し、現実的なシナリオでの適用可能性を示します。
最後に、この研究のために特別に厳選された新しく収集された ECG データセットに基づいてモデルを評価し、研究コミュニティに公開します。

要約(オリジナル)

Electrocardiograms (ECGs) are commonly used by cardiologists to detect heart-related pathological conditions. Reliable collections of ECGs are crucial for precise diagnosis. However, in clinical practice, the assignment of captured ECG recordings to incorrect patients can occur inadvertently. In collaboration with a clinical and research facility which recognized this challenge and reached out to us, we present a study that addresses this issue. In this work, we propose a small and efficient neural-network based model for determining whether two ECGs originate from the same patient. Our model demonstrates great generalization capabilities and achieves state-of-the-art performance in gallery-probe patient identification on PTB-XL while utilizing 760x fewer parameters. Furthermore, we present a technique leveraging our model for detection of recording-assignment mistakes, showcasing its applicability in a realistic scenario. Finally, we evaluate our model on a newly collected ECG dataset specifically curated for this study, and make it public for the research community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google