Name: 自動12導離心電図(ECG)デジタル化および波形データベース(WFDB)標準化:ベトナム臨床データからの洞察 (動画) | JoVE Journal
Uploaded: 2026-03-13T14:15:00.000+00:00
Duration: 9 min 24 s
Description: 学ぼう、12誘導心電図画像をWFDB準拠のデジタル信号に変換する再現性のあるプロトコル。グリッド検出と自動リード領域特定により、異なる臨床レイアウトや画像品質の変動に対応し、計算解析と機械学習パイプラインでの標準化された利用を可能にする。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

<ol><li>Muhammet, A., Fani, D., Christos, A., Idris, Z., Gruschen, R. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digitization+and+Linkage+of+PDF+Formatted+12-Lead+Electrocardiograms+in+Adult+Congenital+Heart+Disease%5BTitle%5D)+AND+%22CJC+Pediatric+and+Congenit+Heart+Dis%22%5BJournal%5D)">Digitization and Linkage of PDF Formatted 12-Lead Electrocardiograms in Adult Congenital Heart Disease.</a> CJC Pediatric and Congenit Heart Dis. 4 (5), 263-273 (2025).</li>
<li>Baydoun, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+digitization+of+paper-based+ECG+records%3A+A+step+toward+smart+machine+learning%5BTitle%5D)+AND+%22IEEE+J+Transl+Eng+Health+Med%22%5BJournal%5D)">High precision digitization of paper-based ECG records: A step toward smart machine learning.</a> IEEE J Transl Eng Health Med. 7, 1-8 (2019).</li>
<li>Demolder, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High+precision+ECG+digitization+using+artificial+intelligence%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">High precision ECG digitization using artificial intelligence.</a> Biomed Signal Process Control. 72, 103331(2024).</li>
<li>Prim, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+data+pipeline+for+extraction+and+processing+of+electrocardiogram+recordings%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">A data pipeline for extraction and processing of electrocardiogram recordings.</a> Comput Cardiol. 48, 1-4 (2021).</li>
<li>Rautela, D., Bajeli, D., Kumar, M., Vaidya, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identifying+cardiovascular+disorders+through+ECG+image+analysis%5BTitle%5D)+AND+%22Knowl-Based+Syst%22%5BJournal%5D)">Identifying cardiovascular disorders through ECG image analysis.</a> Knowl-Based Syst. 186, 104925(2020).</li>
<li>Reyna, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECG-Image-Database%3A+A+dataset+of+ECG+images+with+real-world+imaging+and+patient+annotations%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECG-Image-Database: A dataset of ECG images with real-world imaging and patient annotations.</a> arXiv. , (2024).</li>
<li>Ribeiro, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+12-lead+ECG+classification+using+a+convolutional+network+ensemble%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">Automatic 12-lead ECG classification using a convolutional network ensemble.</a> Comput Cardiol. 47, 1-4 (2020).</li>
<li>Jessy, K. S. J., Manikandan, D. G., Hemalatha, M. S., Veroncia, M. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+cardiovascular+disease+using+ECG+images+in+machine+learning+and+deep+learning%5BTitle%5D)+AND+%22Int+J+Sci+Res+Sci+Technol%22%5BJournal%5D)">Detection of cardiovascular disease using ECG images in machine learning and deep learning.</a> Int J Sci Res Sci Technol. 11, 131-139 (2024).</li>
<li>Digitization of ECG records using signal extraction techniques. Karnaschandani, H., et al. 2024 Second International Conference on Data Science and Information System (ICDSIS), Hassan, India, , 1-8 (2024).</li>
<li>Nguyen, C. V., Nguyen, H. N., Nguyen, D. A., Do, C. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((VinDigitizer%3A+An+image+processing+approach+to+digitize+paper+ECG+records%5BTitle%5D)+AND+%22Comput+Cardiol%22%5BJournal%5D)">VinDigitizer: An image processing approach to digitize paper ECG records.</a> Comput Cardiol. 51, 1-4 (2024).</li>
<li>Patil, R., Narkhede, R. D., Vama, B., Suraliya, S., Raut, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Auto+lead+extraction+in+ECG+images%3A+Identification+of+ECG+paper+records+using+deep+learning%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Auto lead extraction in ECG images: Identification of ECG paper records using deep learning.</a> Biomed Signal Process Control. 72, 103339(2024).</li>
<li>Santamaría, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGMiner%3A+A+flexible+software+for+accurately+digitizing+ECG%5BTitle%5D)+AND+%22Comput+Methods+Programs+Biomed%22%5BJournal%5D)">ECGMiner: A flexible software for accurately digitizing ECG.</a> Comput Methods Programs Biomed. 246, 108053(2024).</li>
<li>Shivashankara, K. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+open+ECG-image+toolkit%3A+ECG-ImageNet+%E2%80%93+an+open+image+generation+toolbox+to+facilitate+deep+learning-based+electrocardiogram+digitization%5BTitle%5D)+AND+%22Biomed+Signal+Process.+Control%22%5BJournal%5D)">An open ECG-image toolkit: ECG-ImageNet – an open image generation toolbox to facilitate deep learning-based electrocardiogram digitization.</a> Biomed Signal Process. Control. 72, 103342(2024).</li>
<li>Wang, L. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Paper-recorded+ECG+digitization+method+with+automatic+reference+voltage+selection+for+telemonitoring+and+diagnosis%5BTitle%5D)+AND+%22Diagnostics%22%5BJournal%5D)">Paper-recorded ECG digitization method with automatic reference voltage selection for telemonitoring and diagnosis.</a> Diagnostics. 14 (17), 1910(1910).</li>
<li>Wang, T., Zhang, Y., Liu, X., Huang, Z., Qin, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automatic+Detection+of+Arrhythmias+Using+a+YOLO-Based+Network+with+Long-Duration+ECG+Signals%5BTitle%5D)+AND+%22Eng+Proc%22%5BJournal%5D)">Automatic Detection of Arrhythmias Using a YOLO-Based Network with Long-Duration ECG Signals.</a> Eng Proc. 2 (1), 84(2020).</li>
<li>Wu, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fully+automated+paper+ECG+digitisation+algorithm+using+deep+learning%5BTitle%5D)+AND+%22Sci+Rep%22%5BJournal%5D)">A fully automated paper ECG digitisation algorithm using deep learning.</a> Sci Rep. 12, 25284(2022).</li>
<li>Júnior, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated+machine+learning+method+to+efficiently+classify+the+12-lead+ECG+signal+acquisition+quality%5BTitle%5D)+AND+%22Computing+in+Cardiology%22%5BJournal%5D)">An automated machine learning method to efficiently classify the 12-lead ECG signal acquisition quality.</a> Computing in Cardiology. 50, 1-6 (2023).</li>
<li>Lence, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ECGtizer%3A+A+fully+automated+digitizing+and+signal+recovery+pipeline+for+electrocardiograms%5BTitle%5D)+AND+%22arXiv%22%5BJournal%5D)">ECGtizer: A fully automated digitizing and signal recovery pipeline for electrocardiograms.</a> arXiv. , (2024).</li>
<li>Büyüksolak, O., Öksüz, İ <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pic2Diagnosis%3A+A+Method+for+Diagnosis+of+Cardiovascular+Diseases+from+the+Printed+ECG+Pictures%5BTitle%5D)+AND+%22Proc.+IEEE+EMBC%22%5BJournal%5D)">Pic2Diagnosis: A Method for Diagnosis of Cardiovascular Diseases from the Printed ECG Pictures.</a> Proc. IEEE EMBC. , (2025).</li>
</ol>

<table><tbody><tr><td>GPU(ランタイムテスト)</td><td>NVIDIA</td><td>GeForce RTX 3060 12GB</td><td>ランタイムテストに使用されたNVIDIA GeForce RTX 3060 12GB</td></tr><tr><td>NumPy</td><td>NumPy</td><td>1.26.4</td><td>数値処理</td></tr><tr><td>OpenCV</td><td>OpenCV</td><td>4.10.0.84</td><td>画像前処理(デスク、フィルタリング)</td></tr><tr><td>オペレーティングシステム(ランタイムテスト)</td><td>マイクロソフト</td><td>Windows 11</td><td>Windows 11 のランタイムテスト用</td></tr><tr><td>PDFから画像への変換</td><td>このプロトコル</td><td>V1</td><td>PDFラスタライズは300 DPIで、データ可用性にリポジトリURLを提供する</td></tr><tr><td>パイソン</td><td>Pythonソフトウェア財団</td><td>3.12.5</td><td>ランタイム環境</td></tr><tr><td>パイトーチ</td><td>パイトーチ</td><td>0.5.0</td><td>YOLOv12のバックエンド</td></tr><tr><td>スキャナー</td><td>正史</td><td>DR-C240</td><td>300 DPI、グレースケール、PNG/TIFF推奨</td></tr><tr><td>scikit-image</td><td>scikit-image</td><td>0.25.0</td><td>骨格化と形態(中心線)</td></tr><tr><td>ウルトラリティクス</td><td>ウルトラリティクス</td><td>8.3.155</td><td>YOLOv12トレーニング/推論フレームワーク</td></tr><tr><td>wfdb(Pythonパッケージ)</td><td>フィジオネット</td><td>4.1.2</td><td>WFDBエクスポート(.hea/.dat)</td></tr></tbody></table>

自動12導離心電図(ecg)デジタル化および波形データベース(wfdb)標準化:ベトナム臨床データからの洞察

Automated 12-Lead Electrocardiograms (ECG) Digitization and WaveForm DataBase (WFDB) Standardization: Insights from Vietnamese Clinical Data

自動12導離心電図(ECG)デジタル化および波形データベース(WFDB)標準化:ベトナム臨床データからの洞察

Many clinics still archive 12-lead electrocardiograms (ECGs) as printed paper records or raster images embedded in PDF reports, which limits ...

臨床および研究への活用を目的として、ECG画像を標準化されたWFDB信号に変換する自動的な手法を提案します。既存の手法ではノイズやレイアウトの変動への対応が課題となっていましたが、本アプローチにより堅牢性と標準化が向上します。まず、300dpiのグレースケールPDF画像として提供されるすべての収集済み心電図（ECG）を、Dataという名前のフォルダに配置します。Pythonを使用して、データフォルダからECG PDFファイルを開き、解析対象のPDFを選択します。PDFの各ページを300dpiでレンダリングし、各レンダリングページをグレースケールに変換します。画質を維持するため、最小限の圧縮を用いて、処理済みECGページをJPG画像として保存します。生成された画像は、元のPDFと一致するファイル名を維持したまま、指定の出力画像フォルダに保存します。グレースケールのECG画像にCLAHEを適用して局所コントラストを強調し、後の解析のために画像詳細を保持しつつ、かすれたグリッド線や波形の特徴の視認性を向上させます。軽いガウスぼかしを適用し、波形のエッジを保持しながら高周波ノイズを低減します。前処理済みの画像を、指定の前処理出力フォルダに保存します。画像が正常に保存され、その後の特徴抽出および解析に使用可能であることを確認してください。前処理済み出力の一部を検査し、グリッド線とトレースが判読可能なままであることを確認します。正しく処理された画像と過度に平滑化されたバージョンを比較し、波形形態の歪みや解析精度の低下を招く過度な平滑化を避けてください。ハフ変換を適用して、ECG画像内の垂直および水平のグリッド線を検出し、その後の波形解析に利用します。ECGのグリッド間隔を算出し、正確な波形測定のためにピクセルからミリメートルへの変換係数を決定します。波形とグリッド線の品質を維持しつつ画像スケールを正規化するため、バイキュービック補間を用いて校正済み画像をリスケールします。次に、校正済み画像を指定の校正済み出力フォルダに保存し、後続の波形解析に向けて正しく保存されたことを確認します。校正プロセスを記録するため、校正パラメータを構造化されたログファイルとして保存し、トレーサビリティおよび将来的な参照のために校正済み出力フォルダに格納します。校正済みのECG画像をYOLOv12を用いて処理し、推論サイズを1,024ピクセルに設定して、後続の解析に必要なECG領域を検出します。非最大値抑制（NMS）を適用して重複する検出結果を排除し、各ECG誘導について最も信頼度の高いバウンディングボックスを保持します。検出されたECG誘導のバウンディングボックスを構造化されたJSONファイルとしてエクスポートし、検出結果を再現可能な形式で保存します。予測された誘導領域、バウンディングボックス

automated-12-lead-electrocardiograms-ecg-digitization-waveform

Research

JoVE Journal

Engineering

工学

連続的な12誘導心電図（ECG）モニタリングが疑われる急性冠症候群（ACS）患者のうち、無症候性の場合であっても、一過性心筋虚血を識別することができます。この記事では、ホルター·デバイスを使用して、患者のモニタリングを開始するオフライン解析のための心電図データをダウンロードする方法と、一過性虚血を識別するために心電図ソフトウェアを利用するために私達の方法を記述する。...

連続ST部分の解析を使用した疑いのある急性冠症候群（ACS）患者において一過性心筋虚血を検出するための研究法

ここでは、生きた麻酔を受けた成人ゼブラフィッシュの心電図を記録し、解釈するための、信頼性の高い、最小限に侵襲的で費用対効果の高い方法を提示する。...

成体ゼブラフィッシュの生体内心電図検査

標準的な心電図からのアイントホーフェンリードと同じように機能するスマートウォッチによる3つの鉛双極心電図の患者指向登録のためのプロトコルを記述する。これにより、患者は症状の発症直後に自力で心電図を記録することができます。...

心電図機能を有するスマートウォッチを用いたバイポーラ3リード心電図の患者指向記録

ここでは、基本的なECGパラメーターと一般的な不整脈についてマウスの長期心電図(ECG)データを分析するための半自動アプローチのステップバイステップのプロトコルを紹介します。データは、生きているマウスと覚醒しているマウスの埋め込み型テレメトリ送信機によって取得され、Ponemahとその分析モジュールを使用して分析されます。...

マウスの不整脈を検出するための長期心電図記録の分析

この研究では、高度な情報技術を利用して、積極的な食道冷却で治療された高周波心房焼灼術を受けている患者の処置期間を、従来の管腔食道温度モニタリングで治療された患者の手順期間と比較しました。コンテキスト調査、ワークフロー分析、およびデータマッピングが利用されました。調査結果は、アクティブな冷却による手順時間の短縮と変動性を示しました。...

心房細動に対する高周波焼灼術中の能動的食道冷却による手技時間の短縮と変動性

この研究では、非侵襲的で画像のない心電図イメージングシステムを使用したリアルタイムの心臓マッピングの新しいアプローチを紹介します。このシステムは、処置前のコンピュータ断層撮影や磁気共鳴画像法スキャンを必要とせずに電気生理学的心臓マップを取得することを可能にし、アブレーションや心臓再同期療法インプラントなどの心臓処置を効率的に指導することを可能にします。...

非侵襲的無画像心電図イメージングシステムによるリアルタイム心臓マッピング

私たちは、構造的に複雑な材料からの散乱光の方向に空間的な変化をサンプリングするための非破壊的手法を提案する。同時に高分解能イメージングの微細スケールの方向の貢献を取り込む際に材料をそのまま維持することによって、我々は、総規模散乱挙動を保つ。結果は、生体関連ポジションとスケールでソフトウェアで可視化する。...

生物材料からの空間的及び道順変化する光散乱の測定

物品は​​、任意の変調、波長、およびデータ·レートで光データパケットを格納するための手順を記載している。これらのパケットは、現代の電気通信の基盤である。...

光データパケットのための準光ストレージ

質量分析による全ての種のオンライン分析を実験室規模の炎からのガスサンプリングは、燃焼プロセス中に発生する化学化合物の複合混合物を調査するための強力な方法である。シンクロトロンで生成された真空紫外光を経由して調整可能なソフトなイオン化と相まって、この技術は異性分解情報と、潜在的にフラグメントフリーマススペクトルを提供します。...

先進ライトソースで難実験：すす生成プロセスに新たな洞察

埋め込まれた感度関数を決定するためのデータ収集手順が説明されています。住宅規模の風力タービンブレードのデータを取得し、代表的な結果を示します。...

組み込み感度関数を決定するためのデータ収集プロトコル

学ぼう、12誘導心電図画像をWFDB準拠のデジタル信号に変換する再現性のあるプロトコル。グリッド検出と自動リード領域特定により、異なる臨床レイアウトや画像品質の変動に対応し、計算解析と機械学習パイプラインでの標準化された利用を可能にする。

自動12導離心電図(ECG)デジタル化および波形データベース(WFDB)標準化:ベトナム臨床データからの洞察

さらに動画を探す