Fugu-MT 論文翻訳(概要): Deep Generative Models for Physiological Signals: A Systematic Literature Review

論文の概要: Deep Generative Models for Physiological Signals: A Systematic Literature Review

arxiv url: http://arxiv.org/abs/2307.06162v1
Date: Wed, 12 Jul 2023 13:42:09 GMT
ステータス: 処理完了
システム内更新日: 2023-07-13 12:50:20.002001
Title: Deep Generative Models for Physiological Signals: A Systematic Literature Review
Title（参考訳）: 生理的信号の深部生成モデル--体系的文献レビュー
Authors: Nour Neifar and Afef Mdhaffar and Achraf Ben-Hamadou and Mohamed Jmaiel
Abstract要約: 本稿では,生理的信号の深部生成モデルに関する体系的な文献レビューを行う。このレビューは、生理的信号に適用されたこれらのモデルの全体的な理解に寄与する。
参考スコア（独自算出の注目度）: 2.9057513016551244
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we present a systematic literature review on deep generative models for physiological signals, particularly electrocardiogram, electroencephalogram, photoplethysmogram and electromyogram. Compared to the existing review papers, we present the first review that summarizes the recent state-of-the-art deep generative models. By analysing the state-of-the-art research related to deep generative models along with their main applications and challenges, this review contributes to the overall understanding of these models applied to physiological signals. Additionally, by highlighting the employed evaluation protocol and the most used physiological databases, this review facilitates the assessment and benchmarking of deep generative models.
Abstract（参考訳）: 本稿では,生理学的信号の深部生成モデル,特に心電図,脳電図,光胸腺図,筋電図について概説する。既存のレビュー論文と比較して,最近の最先端の深層生成モデルをまとめた最初のレビューを提示する。深層生成モデルに関する最新の研究と,その主な応用と課題を分析した結果,これらのモデルが生理的信号に適用されることの総合的理解に寄与した。さらに, 使用済み評価プロトコルと最も使用される生理学データベースを強調し, 深層生成モデルの評価とベンチマークを容易にする。

関連論文リスト

Assessing Reusability of Deep Learning-Based Monotherapy Drug Response Prediction Models Trained with Omics Data [43.57729817547386]
がん薬物応答予測モデルは、精度オンコロジーへの有望なアプローチを示す。深層学習(DL)法はこの分野で大きな可能性を秘めている。これは、より広い科学コミュニティによって改善され、テストされる、再利用可能で適応可能なモデルの必要性を強調している。
論文参考訳（メタデータ） (2024-09-18T16:08:28Z)
Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。深層学習は、医療を含む様々な応用においてその優位性を示している。
論文参考訳（メタデータ） (2024-02-02T00:31:01Z)
Histopathologic Cancer Detection [0.0]
この作業では、PatchCamelyonベンチマークデータセットを使用して、モデルをマルチレイヤのパーセプトロンと畳み込みモデルでトレーニングし、精度の高いリコール、F1スコア、精度、AUCスコアでモデルのパフォーマンスを観察する。また,データ拡張を伴うResNet50とInceptionNetモデルを導入し,ResNet50が最先端モデルに勝てることを示す。
論文参考訳（メタデータ） (2023-11-13T19:51:46Z)
PathLDM: Text conditioned Latent Diffusion Model for Histopathology [62.970593674481414]
そこで我々は,高品質な病理像を生成するためのテキスト条件付き遅延拡散モデルPathLDMを紹介した。提案手法は画像とテキストデータを融合して生成プロセスを強化する。我々は,TCGA-BRCAデータセット上でのテキスト・ツー・イメージ生成において,SoTA FIDスコア7.64を達成し,FID30.1と最も近いテキスト・コンディショナブル・コンペティタを著しく上回った。
論文参考訳（メタデータ） (2023-09-01T22:08:32Z)
Synthesizing Affective Neurophysiological Signals Using Generative Models: A Review Paper [28.806992102323324]
マシンにおける感情的知性の統合は、人間とコンピュータの相互作用を前進させる重要なステップである。公的な感情的データセットの不足は、課題である。我々は、神経生理学的信号におけるこの問題に対処するための生成モデルの使用を強調した。
論文参考訳（メタデータ） (2023-06-05T08:38:30Z)
ECGAN: Self-supervised generative adversarial network for electrocardiography [11.460692362624533]
高品質な合成データは、バイオメディカルタスクのための効果的な予測モデルの開発を支援することができる。これらの制限は、例えば不整脈に関する心電図データセットへのオープンアクセスに悪影響を及ぼす。本研究は, 人工心電図時系列生成における自己監督的アプローチを導入する。
論文参考訳（メタデータ） (2023-01-23T15:48:02Z)
Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。今回,最も多い患者,すなわち30日間の寛解率について検討した。
論文参考訳（メタデータ） (2022-11-13T01:07:23Z)
A Joint Learning Approach for Semi-supervised Neural Topic Modeling [25.104653662416023]
本稿では,最初の効果的な上流半教師付きニューラルトピックモデルであるラベル付きニューラルトピックモデル(LI-NTM)を紹介する。 LI-NTMは文書再構成ベンチマークにおいて既存のニューラルトピックモデルよりも優れていることがわかった。
論文参考訳（メタデータ） (2022-04-07T04:42:17Z)
A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文参考訳（メタデータ） (2021-06-25T20:09:23Z)
A Systematic Assessment of Deep Learning Models for Molecule Generation [70.59828655929194]
薬物発見のための生成モデル評価のための広範囲なテストベッドを提案する。文献で提案した多くのモデルから得られた結果について述べる。
論文参考訳（メタデータ） (2020-08-20T19:13:31Z)
Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。