論文の概要: Unsupervised sequence-to-sequence learning for automatic signal quality
assessment in multi-channel electrical impedance-based hemodynamic monitoring
- arxiv url: http://arxiv.org/abs/2305.09368v2
- Date: Wed, 17 May 2023 05:03:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 11:32:44.642098
- Title: Unsupervised sequence-to-sequence learning for automatic signal quality
assessment in multi-channel electrical impedance-based hemodynamic monitoring
- Title（参考訳）: 多チャンネル電気インピーダンスに基づく血行動態モニタリングにおける教師なしシーケンス・ツー・シーケンス学習による信号品質自動評価
- Authors: Chang Min Hyun, Tae-Geun Kim, Kyounghun Lee
- Abstract要約: 本研究では,血行動態モニタリングにおける心臓容積信号(CVS)の運動誘発信頼性を自動的に評価する,教師なしシーケンス・ツー・シーケンス学習手法を提案する。
エンコーダ・デコーダモデルは、CVSの入力シーケンスを自己複製するだけでなく、並列的に未来を推定するために訓練される。
トレーニングセット上の親指の2シグマ規則から決定されるカットオフ値で入力シーケンスとその神経表現間の残差に基づいて、低品質の動作影響CVSを検出する。
- 参考スコア（独自算出の注目度）: 0.6875312133832077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study proposes an unsupervised sequence-to-sequence learning approach
that automatically assesses the motion-induced reliability degradation of the
cardiac volume signal (CVS) in multi-channel electrical impedance-based
hemodynamic monitoring. The proposed method attempts to tackle shortcomings in
existing learning-based assessment approaches, such as the requirement of
manual annotation for motion influence and the lack of explicit mechanisms for
realizing motion-induced abnormalities under contextual variations in CVS over
time. By utilizing long-short term memory and variational auto-encoder
structures, an encoder--decoder model is trained not only to self-reproduce an
input sequence of the CVS but also to extrapolate the future in a parallel
fashion. By doing so, the model can capture contextual knowledge lying in a
temporal CVS sequence while being regularized to explore a general relationship
over the entire time-series. A motion-influenced CVS of low-quality is
detected, based on the residual between the input sequence and its neural
representation with a cut--off value determined from the two-sigma rule of
thumb over the training set. Our experimental observations validated two
claims: (i) in the learning environment of label-absence, assessment
performance is achievable at a competitive level to the supervised setting, and
(ii) the contextual information across a time series of CVS is advantageous for
effectively realizing motion-induced unrealistic distortions in signal
amplitude and morphology. We also investigated the capability as a
pseudo-labeling tool to minimize human-craft annotation by preemptively
providing strong candidates for motion-induced anomalies. Empirical evidence
has shown that machine-guided annotation can reduce inevitable human-errors
during manual assessment while minimizing cumbersome and time-consuming
processes.
- Abstract（参考訳）: 本研究では,多チャンネル電気インピーダンスに基づく血行動態モニタリングにおいて,運動誘発心容積信号(cvs)の信頼性低下を自動的に評価する教師なしシーケンス・トゥ・シーケンス学習手法を提案する。
提案手法は,CVSの文脈変化下での動作誘発異常を実現するための明示的なメカニズムが欠如しているなど,既存の学習に基づく評価手法の欠点に対処する試みである。
長短項メモリと変分オートエンコーダ構造を利用して、エンコーダ−デコーダモデルを訓練してcvsの入力シーケンスを自己生成するだけでなく、未来を並列的に推定する。
これにより、時系列全体にわたる一般的な関係を探索するために規則化しながら、時間的CVSシーケンスに横たわる文脈的知識を捉えることができる。
トレーニングセット上の親指の2シグマ規則から決定されるカットオフ値で入力シーケンスとその神経表現間の残差に基づいて、低品質の動作影響CVSを検出する。
我々の実験観測は2つの主張を検証した。
(i)ラベル理解の学習環境においては、監督設定に対する競争レベルで評価性能が達成可能であり、
(2)CVSの時系列にわたる文脈情報は、信号振幅と形態の運動による非現実的歪みを効果的に実現するのに有利である。
また,動作誘発異常の強い候補を事前に提示することにより,人為的なアノテーションを最小化するための擬似ラベルツールとしての能力についても検討した。
実証的な証拠は、機械誘導アノテーションが手動による評価中に避けられないヒューマンエラーを軽減し、煩雑で時間のかかるプロセスを最小化できることを示している。
関連論文リスト
- SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。
光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。
本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文 参考訳（メタデータ） (2024-04-15T01:07:08Z) - VAE-IF: Deep feature extraction with averaging for fully unsupervised artifact detection in routinely acquired ICU time-series [1.9665926763554147]
本稿では,事前のラベル付けや信号固有知識を使わずに,微細分解能ICUデータ中のアーティファクトを検出するための,教師なしの手法を提案する。
本手法では,変分オートエンコーダ (VAE) と孤立林 (IF) をハイブリッドモデルに組み合わせて特徴を学習し,異常を同定する。
我々の教師なしアプローチは、完全に教師付きされた手法に匹敵する感度を達成し、外部データセットによく当てはまることを示す。
論文 参考訳（メタデータ） (2023-12-10T18:03:40Z) - Deep denoising autoencoder-based non-invasive blood flow detection for
arteriovenous fistula [10.030431512848239]
本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。
以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。
ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
論文 参考訳（メタデータ） (2023-06-12T04:46:01Z) - Stabilizing Machine Learning Prediction of Dynamics: Noise and
Noise-inspired Regularization [58.720142291102135]
近年、機械学習(ML)モデルはカオス力学系の力学を正確に予測するために訓練可能であることが示されている。
緩和技術がなければ、この技術は人工的に迅速にエラーを発生させ、不正確な予測と/または気候不安定をもたらす可能性がある。
トレーニング中にモデル入力に付加される多数の独立雑音実効化の効果を決定論的に近似する正規化手法であるLinearized Multi-Noise Training (LMNT)を導入する。
論文 参考訳（メタデータ） (2022-11-09T23:40:52Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。
我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。
製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
論文 参考訳（メタデータ） (2022-06-23T14:16:30Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳（メタデータ） (2022-06-16T17:15:15Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-12T20:02:00Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳（メタデータ） (2021-10-13T21:51:56Z) - Cloud Failure Prediction with Hierarchical Temporary Memory: An
Empirical Assessment [64.73243241568555]
Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。
本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
論文 参考訳（メタデータ） (2021-10-06T07:09:45Z) - Multiple Organ Failure Prediction with Classifier-Guided Generative
Adversarial Imputation Networks [4.040013871160853]
多臓器不全 (MOF) は集中治療室 (ICU) 患者の死亡率が高い重篤な症候群である。
機械学習モデルを電子健康記録に適用することは、欠落した値の広範性のために難しい。
論文 参考訳（メタデータ） (2021-06-22T15:49:01Z) - Automatic Feature Extraction for Heartbeat Anomaly Detection [7.054093620465401]
医療における異常検出の応用を目的とした、生音声の心拍音の自動抽出に着目する。
1次元非コーダ畳み込みエンコーダとウェーブネットデコーダで構成したオートエンコーダの助けを借りて,特徴を学習する。
論文 参考訳（メタデータ） (2021-02-24T13:55:24Z)
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。