Fugu-MT 論文翻訳(概要): ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks

論文の概要: ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks

arxiv url: http://arxiv.org/abs/2210.13271v1
Date: Mon, 24 Oct 2022 14:12:11 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 21:55:47.155585
Title: ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks
Title（参考訳）: 完全畳み込みネットワークを用いた単一チャネル表面EMGのECGアーチファクト除去
Authors: Kuan-Chen Wang, Kai-Chun Liu, Sheng-Yu Peng, Yu Tsao
Abstract要約: 本研究は,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しい復号法を提案する。提案手法は,SEMGデノナイズのためのニューラルネットワークのデノエーズオートエンコーダ構造と強力な非線形マッピング機能を採用する。
参考スコア（独自算出の注目度）: 9.468136300919062
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electrocardiogram (ECG) artifact contamination often occurs in surface electromyography (sEMG) applications when the measured muscles are in proximity to the heart. Previous studies have developed and proposed various methods, such as high-pass filtering, template subtraction and so forth. However, these methods remain limited by the requirement of reference signals and distortion of original sEMG. This study proposed a novel denoising method to eliminate ECG artifacts from the single-channel sEMG signals using fully convolutional networks (FCN). The proposed method adopts a denoise autoencoder structure and powerful nonlinear mapping capability of neural networks for sEMG denoising. We compared the proposed approach with conventional approaches, including high-pass filters and template subtraction, on open datasets called the Non-Invasive Adaptive Prosthetics database and MIT-BIH normal sinus rhythm database. The experimental results demonstrate that the FCN outperforms conventional methods in sEMG reconstruction quality under a wide range of signal-to-noise ratio inputs.
Abstract（参考訳）: 心電図(ECG)アーティファクト汚染は、測定された筋肉が心臓に近接しているときに表面筋電図(sEMG)応用で発生することが多い。従来, ハイパスフィルタ, テンプレートサブトラクションなど, 様々な手法が開発され, 提案されてきた。しかし、これらの手法は、参照信号の要求と元のsEMGの歪みによって制限されている。本研究では,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しいデノナイズ手法を提案する。提案手法は,SEMG復調用ニューラルネットワークのデノイズ自己エンコーダ構造と強力な非線形マッピング機能を採用する。非侵襲適応人工装具データベースとmit-bih正規正弦波リズムデータベースと呼ばれるオープンデータセット上で,提案手法をハイパスフィルタやテンプレート減算など従来の手法と比較した。実験結果から, FCNは信号-雑音比の広い入力条件下で, sEMG再構成品質の従来の手法よりも優れていた。

関連論文リスト

TrustEMG-Net: Using Representation-Masking Transformer with U-Net for Surface Electromyography Enhancement [14.421826563179101]
本稿では、TrustEMG-Netと呼ばれる新しいニューラルネットワーク(NN)ベースのsEMG復調手法を提案する。 TrustEMG-Net は既存の sEMG Denoising 手法と比較して 20% の最小改善を実現している。
論文参考訳（メタデータ） (2024-10-04T18:18:21Z)
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)
Bayesian ECG reconstruction using denoising diffusion generative models [11.603515105957461]
健常心電図(ECG)データを用いて訓練したDDGM(denoising diffusion generative model)を提案する。以上の結果から, この革新的な生成モデルにより, 現実的なECG信号を生成できることが示唆された。
論文参考訳（メタデータ） (2023-12-18T15:56:21Z)
EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文参考訳（メタデータ） (2023-10-24T02:37:49Z)
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)
Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
論文参考訳（メタデータ） (2023-07-12T00:01:00Z)
DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [89.49600182243306]
我々は拡散モデルを用いて再構成過程をノイズ・ツー・ノームパラダイムに再構成する。本稿では,拡散モデルにおける従来の反復的復調よりもはるかに高速な高速な一段階復調パラダイムを提案する。セグメント化サブネットワークは、入力画像とその異常のない復元を用いて画素レベルの異常スコアを予測する。
論文参考訳（メタデータ） (2023-03-15T16:14:06Z)
DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal [4.998493052085877]
心電図(ECG)信号は、ベースラインダウトなど、一般的にノイズ干渉に悩まされる。本稿では,新しいECGベースラインホアリングとノイズ除去技術を提案する。
論文参考訳（メタデータ） (2022-07-31T23:39:33Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Orthogonal Features Based EEG Signals Denoising Using Fractional and Compressed One-Dimensional CNN AutoEncoder [3.8580784887142774]
本稿では脳波(EEG)信号の分数的1次元畳み込みニューラルネットワーク(CNN)オートエンコーダを提案する。脳波信号は、主に筋肉アーチファクト(MA)によって、記録過程中にしばしばノイズによって汚染される。
論文参考訳（メタデータ） (2021-04-16T13:58:05Z)
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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。