부정맥 분류를 위한 새로운 합성곱 신경망 개발 (AI-ECG)
2020년 11월 4일 업데이트: Sanjeev Bhavnani MD, Scripps Clinic
충격성 심장 리듬에 대한 부정맥 분류를 위한 새로운 회선 신경망 개발
심정지를 포함한 임상 사건 발생 시 올바른 부정맥을 식별하는 것은 환자, 의료 기관 및 공중 보건에 있어 최우선 순위입니다.
인공 지능 및 기계 학습의 최근 발전은 심장 부정맥을 신속하고 정확하게 진단하고 새로운 모바일 건강 및 심장 원격 측정 장치가 환자 치료에 사용되는 방법에 대한 새로운 기회를 제공합니다.
현재 조사는 '컨볼루션 신경망 분류기'라고 하는 새로운 인공 지능 통계 접근 방식과 12리드 ECG 및 단일 리드 홀터/이벤트 모니터링에서 진단된 다양한 부정맥에 대한 성능을 검증하는 것을 목표로 합니다.
이러한 부정맥에는 다음이 포함됩니다. 심방 세동, 상심실성 빈맥, AV 차단, 무수축, 심실 빈맥 및 심실 세동, 그리고 미국 심장 협회 성능 기준(부정맥 유형에 기초한 67-92%의 95% 일측 신뢰 구간)에 벤치마킹됩니다.
이를 위해 연구 접근 방식은 비식별화된 원시 ECG 데이터의 대규모 ECG 데이터베이스를 만들고 진단 정확도를 향상시키기 위해 ECG 데이터에 신경망을 훈련시키는 것입니다.
연구 개요
연구 유형
관찰
등록 (실제)
25458
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
California
-
San Diego, California, 미국, 92037
- Scripps Clinic
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 성인
- OLDER_ADULT
- 어린이
건강한 자원 봉사자를 받아들입니다
예
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
12리드 ECG 또는 홀터/이벤트 모니터링을 받는 개인
설명
포함 기준:
- 12리드 ECG, 단일 및 다중 리드 데이터베이스에서 컴파일된 모든 ECG 데이터
제외 기준:
- 없음
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
심전도 데이터
다음을 포함하는 코딩된 데이터 파장, 진폭, 간격, 타이밍, 주파수
|
길쌈 신경망은 심전도 세그먼트를 입력으로 수신하고 수신된 심전도 세그먼트가 심장 부정맥을 나타내는지 여부를 나타내는 출력을 생성하도록 구성됩니다.
심전도의 특정 특징은 길쌈 신경망에 식별되지 않으며, 수신된 심전도 세그먼트는 알고리즘에 의해 수신되기 전에 필터링, 변환 또는 처리되지 않습니다.
알고리즘은 유사한 방식으로 훈련됩니다. 심전도 세그먼트는 컨벌루션 신경망에 대한 유일한 입력입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
진단 정확도
기간: 일년
|
미국 심장 협회 ECG 성능 기준
|
일년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
스폰서
수사관
- 수석 연구원: Sanjeev Bhavnani, MD, Scripps Clinic Medical Group
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, Ashley E, Dudley JT. Artificial Intelligence in Cardiology. J Am Coll Cardiol. 2018 Jun 12;71(23):2668-2679. doi: 10.1016/j.jacc.2018.03.521.
- Kiranyaz S, Ince T, Gabbouj M. Real-Time Patient-Specific ECG Classification by 1-D Convolutional Neural Networks. IEEE Trans Biomed Eng. 2016 Mar;63(3):664-75. doi: 10.1109/TBME.2015.2468589. Epub 2015 Aug 14.
- Bhavnani SP, Parakh K, Atreja A, Druz R, Graham GN, Hayek SS, Krumholz HM, Maddox TM, Majmudar MD, Rumsfeld JS, Shah BR. 2017 Roadmap for Innovation-ACC Health Policy Statement on Healthcare Transformation in the Era of Digital Health, Big Data, and Precision Health: A Report of the American College of Cardiology Task Force on Health Policy Statements and Systems of Care. J Am Coll Cardiol. 2017 Nov 28;70(21):2696-2718. doi: 10.1016/j.jacc.2017.10.018. No abstract available.
- Bhavnani SP, Narula J, Sengupta PP. Mobile technology and the digitization of healthcare. Eur Heart J. 2016 May 7;37(18):1428-38. doi: 10.1093/eurheartj/ehv770. Epub 2016 Feb 11.
- Vandendriessche B, Abas M, Dick TE, Loparo KA, Jacono FJ. A Framework for Patient State Tracking by Classifying Multiscalar Physiologic Waveform Features. IEEE Trans Biomed Eng. 2017 Dec;64(12):2890-2900. doi: 10.1109/TBME.2017.2684244. Epub 2017 Mar 17.
- Arvanaghi R, Daneshvar S, Seyedarabi H, Goshvarpour A. Fusion of ECG and ABP signals based on wavelet transform for cardiac arrhythmias classification. Comput Methods Programs Biomed. 2017 Nov;151:71-78. doi: 10.1016/j.cmpb.2017.08.013. Epub 2017 Aug 24.
- Figuera C, Irusta U, Morgado E, Aramendi E, Ayala U, Wik L, Kramer-Johansen J, Eftestol T, Alonso-Atienza F. Machine Learning Techniques for the Detection of Shockable Rhythms in Automated External Defibrillators. PLoS One. 2016 Jul 21;11(7):e0159654. doi: 10.1371/journal.pone.0159654. eCollection 2016.
- Li Q, Rajagopalan C, Clifford GD. Ventricular fibrillation and tachycardia classification using a machine learning approach. IEEE Trans Biomed Eng. 2014 Jun;61(6):1607-13. doi: 10.1109/TBME.2013.2275000. Epub 2013 Jul 26.
- Lyon A, Minchole A, Martinez JP, Laguna P, Rodriguez B. Computational techniques for ECG analysis and interpretation in light of their contribution to medical advances. J R Soc Interface. 2018 Jan;15(138):20170821. doi: 10.1098/rsif.2017.0821.
- Mjahad A, Rosado-Munoz A, Bataller-Mompean M, Frances-Villora JV, Guerrero-Martinez JF. Ventricular Fibrillation and Tachycardia detection from surface ECG using time-frequency representation images as input dataset for machine learning. Comput Methods Programs Biomed. 2017 Apr;141:119-127. doi: 10.1016/j.cmpb.2017.02.010. Epub 2017 Feb 10.
- Xiong Z, Nash MP, Cheng E, Fedorov VV, Stiles MK, Zhao J. ECG signal classification for the detection of cardiac arrhythmias using a convolutional recurrent neural network. Physiol Meas. 2018 Sep 24;39(9):094006. doi: 10.1088/1361-6579/aad9ed.
- Fan X, Yao Q, Cai Y, Miao F, Sun F, Li Y. Multiscaled Fusion of Deep Convolutional Neural Networks for Screening Atrial Fibrillation From Single Lead Short ECG Recordings. IEEE J Biomed Health Inform. 2018 Nov;22(6):1744-1753. doi: 10.1109/JBHI.2018.2858789. Epub 2018 Aug 7.
- Warrick PA, Nabhan Homsi M. Ensembling convolutional and long short-term memory networks for electrocardiogram arrhythmia detection. Physiol Meas. 2018 Oct 30;39(11):114002. doi: 10.1088/1361-6579/aad386.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2018년 10월 1일
기본 완료 (실제)
2020년 3월 1일
연구 완료 (실제)
2020년 10월 1일
연구 등록 날짜
최초 제출
2018년 9월 5일
QC 기준을 충족하는 최초 제출
2018년 9월 5일
처음 게시됨 (실제)
2018년 9월 7일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2020년 11월 6일
QC 기준을 충족하는 마지막 업데이트 제출
2020년 11월 4일
마지막으로 확인됨
2020년 11월 1일
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
신경망 분류기에 대한 임상 시험
-
Ospedale Generale Di Zona Moriggia-PelasciniOspedale di Vipiteno-Sterzing (SABES-ASDAA)완전한
-
Icahn School of Medicine at Mount SinaiNorthwestern University; The Cleveland Clinic; University of California, Davis; RxHealth모병
-
Jordi Gol i Gurina FoundationDepartment of Health, Generalitat de Catalunya완전한
-
Washington University School of Medicine빼는