大規模跨模態預訓練模型增強了從心電圖估計心血管狀態和檢測心肌病的能力：一項人工智慧系統開發和多中心驗證研究
本研究提出了一種名為 CardiacNets 的創新深度學習模型，該模型利用跨模態對比學習和生成式預訓練，通過心電圖 (ECG) 數據增強了心血管疾病 (CVD) 的篩查和診斷，特別是心肌病。
대규모 교차 양식 사전 훈련 모델을 활용한 심전도 기반 심혈관 상태 추정 및 심근병증 검출 개선: AI 시스템 개발 및 다기관 검증 연구
본 연구는 심전도(ECG) 데이터에서 심혈관 상태 지표를 평가하고 심근병증을 포함한 다양한 심혈관 질환을 선별하는 딥러닝 모델인 CardiacNets를 소개하며, 교차 양식 대조 학습 및 생성 사전 훈련을 통해 심장 MRI(CMR)의 진단적 강점을 활용하여 ECG 분석을 향상시키고, 고품질 CMR 이미지 생성을 통해 해석 가능성을 높입니다.
大規模クロスモーダル事前学習モデルを用いた心電図からの心血管状態推定と心筋症検出の強化：AIシステム開発と多施設検証研究
本研究では、心電図（ECG）データから心臓磁気共鳴画像法（CMR）に匹敵する心血管状態の評価と心筋症のスクリーニングを可能にする、CardiacNetsと呼ばれる革新的なクロスモーダルAIモデルを開発し、その有効性を検証した。
Cross-Modality Pretrained Model (CardiacNets) Improves Cardiovascular Disease Screening Using ECG by Leveraging CMR Data
CardiacNets, a novel AI model, leverages cross-modal learning between ECG and CMR data to significantly improve the accuracy of cardiovascular disease screening and cardiomyopathy detection using only ECG, potentially offering a cost-effective and accessible alternative to CMR in resource-limited settings.
針對複合終點的多重閾值獲勝率
本文提出了一種新的複合終點分析方法，稱為多重閾值獲勝率 (WR-MT)，它通過放寬標準獲勝率 (WR) 方法的嚴格分層結構來提高統計效力，尤其是在主要治療效果並非體現在分層結構頂層的情況下。
복합 평가 지표를 위한 다중 임계값을 사용한 승률 분석
심혈관 임상시험에서 사망과 입원과 같은 복합 평가 지표 분석에 널리 사용되는 기존 승률(WR) 방법의 제한점을 해결하고, 특히 비치명적 결과에 대한 치료 효과를 더 잘 감지할 수 있도록 다중 임계값을 사용하는 새로운 승률 방법(WR-MT)을 제안합니다.
複合エンドポイントにおける複数閾値を用いた勝利率
標準的な勝利率（WR）法は、心血管臨床試験でよく用いられる複合エンドポイントの解析において、死亡などの事象に絶対的な優先順位を与えるため、治療効果が非致死的事象に主にみられる場合に検出力が低下する可能性がある。本稿では、複数閾値を用いた勝利率（WR-MT）を提案する。これは、非ゼロ閾値を持つ段階を追加することで、標準的なWRの厳密な階層構造を緩和するものである。
Win Ratio with Multiple Thresholds (WR-MT): A Novel Approach for Analyzing Composite Endpoints in Clinical Trials
The Win Ratio with Multiple Thresholds (WR-MT) method offers a more powerful and flexible approach to analyzing composite endpoints in clinical trials compared to the standard Win Ratio (WR) method, especially when treatment effects vary across different endpoint layers.
左心室渦流動力學作為心臟病早期診斷標記及其治療結果綜述
左心室渦流動力學的變化可以作為心臟疾病（尤其是擴張型心肌病）的早期診斷標記，並有助於改善治療效果。
좌심실 와류 역학: 심장 질환의 조기 진단 마커 및 치료 결과에 대한 고찰
좌심실의 와류 패턴 분석은 심장 질환, 특히 확장성 심근병증(DCM)의 조기 진단 도구로 활용될 수 있으며, 이는 심장 질환의 진행 상황을 모니터링하고 치료 효과를 평가하는 데 도움이 될 수 있습니다.
