Fugu-MT 論文翻訳(概要): A Generative Adversarial Approach To ECG Synthesis And Denoising

論文の概要: A Generative Adversarial Approach To ECG Synthesis And Denoising

arxiv url: http://arxiv.org/abs/2009.02700v1
Date: Sun, 6 Sep 2020 10:17:33 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 08:39:19.626522
Title: A Generative Adversarial Approach To ECG Synthesis And Denoising
Title（参考訳）: ECG合成とデノナイズに対する生成的敵対的アプローチ
Authors: Karol Antczak
Abstract要約: 本稿では,GANを用いて現実的なECG信号を生成する手法を提案する。我々はこれらを利用してECG信号の最先端のフィルタリング品質を実現するデノナイズオートエンコーダを訓練し評価する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative Adversarial Networks (GAN) are known to produce synthetic data that are difficult to discern from real ones by humans. In this paper we present an approach to use GAN to produce realistically looking ECG signals. We utilize them to train and evaluate a denoising autoencoder that achieves state-of-the-art filtering quality for ECG signals. It is demonstrated that generated data improves the model performance compared to the model trained on real data only. We also investigate an effect of transfer learning by reusing trained discriminator network for denoising model.
Abstract（参考訳）: GAN(Generative Adversarial Networks)は、人間によって実際のものと区別が難しい合成データを生成することで知られている。本稿では,GANを用いて現実的なECG信号を生成する手法を提案する。我々はこれらを利用してECG信号の最先端のフィルタリング品質を実現するデノナイズオートエンコーダを訓練し評価する。実データのみにトレーニングされたモデルと比較して,生成データの性能が向上することを示す。また,訓練された判別器ネットワークを用いた情報伝達学習の効果について検討した。

関連論文リスト

Flexible framework for generating synthetic electrocardiograms and photoplethysmograms [1.023858929087312]
心電図 (ECG) と光麻痺 (mography) の2つの信号モダリティのための合成生体信号モデルを開発した。このモデルは、呼吸調節や身体的ストレスによる心拍の変化などの生理的効果を考慮に入れた現実的な信号を生成する。我々は,MIT-BIH arrythmia セットと新しいジェネレータの実際の心電図信号を用いて,心電図Rピークを検出するLSTMを訓練した。
論文参考訳（メタデータ） (2024-08-29T06:48:07Z)
SDEMG: Score-based Diffusion Model for Surface Electromyographic Signal Denoising [15.472398279233515]
表面筋電図(sEMG)記録は、監視される筋肉が心臓に近いときに心電図(ECG)信号に影響される。本稿では,SDEMGと呼ばれる新しい手法を提案し,SEMG信号デノイングのためのスコアベース拡散モデルを提案する。
論文参考訳（メタデータ） (2024-02-06T08:48:39Z)
DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
論文参考訳（メタデータ） (2023-09-07T13:43:46Z)
Convolutional Neural Networks for the classification of glitches in gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文参考訳（メタデータ） (2023-03-24T11:12:37Z)
Denoising Diffusion Autoencoders are Unified Self-supervised Learners [58.194184241363175]
本稿では,拡散モデルにおけるネットワーク,すなわち拡散オートエンコーダ(DDAE)が,自己教師型学習者の統合であることを示す。 DDAEはすでに、補助エンコーダを使わずに、中間層内で線形分離可能な表現を強く学習している。 CIFAR-10 と Tiny-ImageNet の線形評価精度は95.9% と 50.0% である。
論文参考訳（メタデータ） (2023-03-17T04:20:47Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Deceive D: Adaptive Pseudo Augmentation for GAN Training with Limited Data [125.7135706352493]
GAN(Generative Adversarial Network)は、高忠実度画像を合成するために、訓練に十分なデータを必要とする。近年の研究では、差別者の過度な適合により、限られたデータでGANを訓練することは困難であることが示されている。本稿では,APA (Adaptive Pseudo Augmentation) と呼ばれる新しい手法を提案する。
論文参考訳（メタデータ） (2021-11-12T18:13:45Z)
Improving the efficacy of Deep Learning models for Heart Beat detection on heterogeneous datasets [0.0]
ヘテロジニアスデータセットにディープラーニングモデルを適用する際の問題点について検討する。本研究では,健常者からのデータに基づいてトレーニングしたモデルの性能が,心疾患患者に適用した場合に低下することを示す。次に、異なるデータセットにモデルを適応させるためのTransfer Learningの使用を評価します。
論文参考訳（メタデータ） (2021-10-26T14:26:55Z)
GANSER: A Self-supervised Data Augmentation Framework for EEG-based Emotion Recognition [15.812231441367022]
本稿では,GANSER(Generative Adversarial Network-based Self-supervised Data Augmentation)という新しいデータ拡張フレームワークを提案する。脳波に基づく感情認識のための自己教師型学習と対人訓練を併用する最初の試みとして、提案フレームワークは高品質な模擬脳波サンプルを生成することができる。変換関数は、脳波信号の一部を隠蔽し、生成元に残りの部分に基づいて潜在的な脳波信号を合成させる。
論文参考訳（メタデータ） (2021-09-07T14:42:55Z)
ECG-Adv-GAN: Detecting ECG Adversarial Examples with Conditional Generative Adversarial Networks [4.250203361580781]
ディープニューラルネットワークは、心電図信号を追跡するための一般的なテクニックとなり、人間の専門家より優れています。 GANアーキテクチャは、敵ECG信号を合成し、既存のトレーニングデータを増やすために近年研究されている。本稿では,心電図信号を同時に生成し,心的異常を検出するための条件生成広告ネットワークを提案する。
論文参考訳（メタデータ） (2021-07-16T02:53:14Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。