論文の概要: Learned Kernels for Interpretable and Efficient PPG Signal Quality
Assessment and Artifact Segmentation
- arxiv url: http://arxiv.org/abs/2307.05385v1
- Date: Thu, 6 Jul 2023 18:11:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-16 03:44:09.938711
- Title: Learned Kernels for Interpretable and Efficient PPG Signal Quality
Assessment and Artifact Segmentation
- Title(参考訳): 解釈可能かつ効率的なppg信号品質評価とアーティファクトセグメンテーションのための学習カーネル
- Authors: Sully F. Chen, Zhicheng Guo, Cheng Ding, Xiao Hu, Cynthia Rudin
- Abstract要約: Photoplethysmography (PPG) は、様々な心血管パラメータを継続的に監視する、低コストで非侵襲的な方法を提供する。
本稿では,小さな解釈可能な畳み込みカーネルの集合を学習する新しい手法を提案する。
この作業により、低消費電力デバイス上での効率的な、堅牢で、解釈可能な信号品質評価とアーティファクトセグメンテーションが可能になる。
- 参考スコア(独自算出の注目度): 20.352787965965888
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photoplethysmography (PPG) provides a low-cost, non-invasive method to
continuously monitor various cardiovascular parameters. PPG signals are
generated by wearable devices and frequently contain large artifacts caused by
external factors, such as motion of the human subject. In order to ensure
robust and accurate extraction of physiological parameters, corrupted areas of
the signal need to be identified and handled appropriately. Previous
methodology relied either on handcrafted feature detectors or signal metrics
which yield sub-optimal performance, or relied on machine learning techniques
such as deep neural networks (DNN) which lack interpretability and are
computationally and memory intensive. In this work, we present a novel method
to learn a small set of interpretable convolutional kernels that has
performance similar to -- and often better than -- the state-of-the-art DNN
approach with several orders of magnitude fewer parameters. This work allows
for efficient, robust, and interpretable signal quality assessment and artifact
segmentation on low-power devices.
- Abstract(参考訳): Photoplethysmography (PPG) は、様々な心血管パラメータを継続的に監視する、低コストで非侵襲的な方法を提供する。
PPG信号はウェアラブルデバイスによって生成され、人体の動きなどの外部要因によって引き起こされる大きな成果物を頻繁に含む。
生理学的パラメータのロバストで正確な抽出を確保するために、信号の破損領域を識別し適切に処理する必要がある。
それまでの方法論は、手作りの特徴検出器や、準最適性能をもたらす信号メトリクスに依存するか、あるいは解釈性に欠け、計算的かつメモリ集約的なディープニューラルネットワーク(DNN)のような機械学習技術に依存していた。
本研究では,数桁のパラメータを持つ最先端のdnnアプローチとよく似た性能を持つ,解釈可能な畳み込み型カーネルの小さな集合を学習する新しい手法を提案する。
この作業により、低消費電力デバイス上で効率的に、堅牢で、解釈可能な信号品質評価とアーティファクトセグメンテーションが可能になる。
関連論文リスト
- Augmentation is AUtO-Net: Augmentation-Driven Contrastive Multiview
Learning for Medical Image Segmentation [3.1002416427168304]
この論文は網膜血管セグメンテーションの課題に焦点を当てている。
深層学習に基づく医用画像セグメンテーションアプローチの広範な文献レビューを提供する。
効率的でシンプルな多視点学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-02T06:31:08Z) - Voxelmorph++ Going beyond the cranial vault with keypoint supervision
and multi-channel instance optimisation [8.88841928746097]
近年のLearn2Regベンチマークでは,単スケールU-Netアーキテクチャーは腹部または患者内肺登録の最先端性能に劣っている。
本稿では、この精度のギャップを大幅に減らすための2つの簡単な手順を提案する。
まず、離散化されたヒートマップを予測する新しいネットワークヘッドを備えたキーポイント・セルフスーパービジョンを用いる。
次に、複数の学習した微調整ステップを、手作りの機能とAdamオプティマイザでひとつのインスタンスに置き換える。
論文 参考訳(メタデータ) (2022-02-28T19:23:29Z) - Arrhythmia Classifier Using Convolutional Neural Network with Adaptive
Loss-aware Multi-bit Networks Quantization [4.8538839251819486]
メモリ消費を23.36倍に削減する高圧縮率を実現する1次元適応型ロスアウェア量子化を提案する。
我々は、MIT-BIHデータセットで訓練された17種類のリズムクラスを分類するために、17層のエンドツーエンドニューラルネットワーク分類器を提案する。
本研究は,ハードウェアフレンドリーで,ウェアラブルデバイスに展開可能な1次元畳み込みニューラルネットワークを実現する。
論文 参考訳(メタデータ) (2022-02-27T14:26:41Z) - InDuDoNet+: A Model-Driven Interpretable Dual Domain Network for Metal
Artifact Reduction in CT Images [53.4351366246531]
InDuDoNet+と呼ばれる新しい解釈可能な二重ドメインネットワークを構築し、CT画像の微細な埋め込みを行う。
異なる組織間のCT値を分析し,InDuDoNet+の事前観測ネットワークにマージすることで,その一般化性能を著しく向上させる。
論文 参考訳(メタデータ) (2021-12-23T15:52:37Z) - A complex network approach to time series analysis with application in
diagnosis of neuromuscular disorders [1.9659095632676098]
本稿では,既存手法の限られた精度を克服するために,GraphTSというネットワーク開発手法を提案する。
この目的のために、EMG信号は前処理され、標準的な可視グラフアルゴリズムによって複雑なネットワークにマッピングされる。
結果として得られるネットワークは、健康なサンプルと患者のサンプルを区別することができる。
論文 参考訳(メタデータ) (2021-08-16T06:44:48Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。
本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
論文 参考訳(メタデータ) (2020-06-28T23:09:27Z) - MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT
Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。
マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。
本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文 参考訳(メタデータ) (2020-05-15T10:37:02Z) - Communication-Efficient Distributed Stochastic AUC Maximization with
Deep Neural Networks [50.42141893913188]
本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。
我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。
いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
論文 参考訳(メタデータ) (2020-05-05T18:08:23Z) - Robustly Pre-trained Neural Model for Direct Temporal Relation
Extraction [10.832917897850361]
BERT (Bidirectional Representation using Transformer) のいくつかの変種について検討した。
2012 i2b2 時間関係課題データセットのセマンティックな部分集合である直接時間関係データセットを用いて,これらの手法の評価を行った。
結果: 10倍のコーパスを含む事前学習戦略を取り入れたRoBERTaは,F値の絶対スコア(1.00スケール)を0.0864改善し,SVMモデルで達成した従来の最先端性能と比較して誤差率を24%低減した。
論文 参考訳(メタデータ) (2020-04-13T22:01:38Z) - Rectified Linear Postsynaptic Potential Function for Backpropagation in
Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。
本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文 参考訳(メタデータ) (2020-03-26T11:13:07Z)
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。