論文の概要: Region-Disentangled Diffusion Model for High-Fidelity PPG-to-ECG Translation

• arxiv url: http://arxiv.org/abs/2308.13568v1
• Date: Fri, 25 Aug 2023 02:44:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 20:26:37.650121
• Title: Region-Disentangled Diffusion Model for High-Fidelity PPG-to-ECG Translation
• Title（参考訳）: 高忠実PPG-ECG翻訳のための領域距離拡散モデル
• Authors: Debaditya Shome, Pritam Sarkar, Ali Etemad
• Abstract要約: Region-Disentangled Diffusion Modelは、ECG信号の複雑な時間的ダイナミクスをキャプチャする。 新しいモデルでは、PSGから10段階の拡散ステップで高忠実度ECGを生成することができる。 新しいモデルは生体信号領域におけるクロスモーダル信号-信号-信号間の最初の拡散モデルである。
• 参考スコア（独自算出の注目度）: 29.706347050700867
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The high prevalence of cardiovascular diseases (CVDs) calls for accessible and cost-effective continuous cardiac monitoring tools. Despite Electrocardiography (ECG) being the gold standard, continuous monitoring remains a challenge, leading to the exploration of Photoplethysmography (PPG), a promising but more basic alternative available in consumer wearables. This notion has recently spurred interest in translating PPG to ECG signals. In this work, we introduce Region-Disentangled Diffusion Model (RDDM), a novel diffusion model designed to capture the complex temporal dynamics of ECG. Traditional Diffusion models like Denoising Diffusion Probabilistic Models (DDPM) face challenges in capturing such nuances due to the indiscriminate noise addition process across the entire signal. Our proposed RDDM overcomes such limitations by incorporating a novel forward process that selectively adds noise to specific regions of interest (ROI) such as QRS complex in ECG signals, and a reverse process that disentangles the denoising of ROI and non-ROI regions. Quantitative experiments demonstrate that RDDM can generate high-fidelity ECG from PPG in as few as 10 diffusion steps, making it highly effective and computationally efficient. Additionally, to rigorously validate the usefulness of the generated ECG signals, we introduce CardioBench, a comprehensive evaluation benchmark for a variety of cardiac-related tasks including heart rate and blood pressure estimation, stress classification, and the detection of atrial fibrillation and diabetes. Our thorough experiments show that RDDM achieves state-of-the-art performance on CardioBench. To the best of our knowledge, RDDM is the first diffusion model for cross-modal signal-to-signal translation in the bio-signal domain.
• Abstract（参考訳）: 心血管疾患(CVD)の高頻度では、アクセス可能で費用対効果の高い連続心臓モニタリングツールが求められている。 心電図(ECG)がゴールドスタンダードであるにもかかわらず、継続的なモニタリングは依然として課題であり、消費者ウェアラブルで利用できる有望だがよりベーシックな代替手段であるフォトプレチスモグラフィー(PPG)の探索に繋がる。 この概念は近年、PSGをECG信号に変換することに関心を向けている。 本研究では,ecgの複雑な時間的ダイナミクスを捉えた新しい拡散モデルである領域不等角拡散モデル(rddm)を提案する。 Denoising Diffusion Probabilistic Models (DDPM)のような従来の拡散モデルは、信号全体にわたる不特定ノイズ付加プロセスのために、そのようなニュアンスを捕捉する上で困難である。 提案するRDDMは,ECG信号におけるQRSコンプレックスなどの特定の利害領域(ROI)にノイズを選択的に付加する新しいフォワードプロセスと,ROIおよび非ROI領域のデノナイジングを阻害する逆プロセスを導入することで,そのような制限を克服する。 定量的実験により、RDDMはPPGから10段階の拡散ステップで高忠実なECGを生成できることが示され、高い効率と計算効率が得られた。 また、生成した心電図信号の有用性を厳密に検証するために、心拍数や血圧推定、ストレス分類、心房細動や糖尿病の検出など、様々な心臓関連タスクの包括的な評価ベンチマークであるcardicardbenchを導入する。 RDDMはCardioBench上での最先端性能を実現する。 我々の知る限り、RDDMは生体信号領域におけるクロスモーダル信号-信号間変換のための最初の拡散モデルである。

関連論文リスト

• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
  単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。 また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
  論文  参考訳（メタデータ） (2024-02-12T11:04:08Z)
• 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)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling [11.617950008187366]
  光胸腺造影法(英: Photoplethysmography, PPG)は、光学的手法を用いて心臓生理学を計測する費用効率の高い非侵襲的手法である。 本稿では,PPG信号を対応するECG波形に変換するために,主観非依存の注目に基づく深部状態空間モデル(ADSSM)を提案する。
  論文  参考訳（メタデータ） (2023-09-27T03:07:46Z)
• 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)
• Motion Magnification in Robotic Sonography: Enabling Pulsation-Aware Artery Segmentation [44.868281669589194]
  スキャン中の動脈セグメンテーションの精度と安定性を改善するために,新しい脈動補助セグメンテーションニューラルネットワーク(PAS-NN)を提案する。 興味のある周波数帯域内の微妙な動きを増幅し、連続したUS画像から脈動信号を抽出するために、運動倍率技術を用いる。 抽出したリアルタイム脈動情報は、米国横断画像の動脈を見つけるのに役立つ。
  論文  参考訳（メタデータ） (2023-07-07T16:14:17Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• 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)
• A Novel Transfer Learning-Based Approach for Screening Pre-existing Heart Diseases Using Synchronized ECG Signals and Heart Sounds [0.5621251909851629]
  心臓疾患の早期診断は, 肺高血圧, 心臓リズム障害, 血栓, 心不全, 突然の心停止などの合併症を予防するために重要である。 このような疾患を識別するために、心電図(PCG)および心電図(ECG)波形は重要な情報を伝達する。 本稿では,PCGとECGを同時取得したPhystoNet Challenge 2016データセットのサブセットを用いて,この仮説を評価する。 我々の新しいDual-Convolutional Neural Networkベースのアプローチは、トランスファーラーニングを使用して、一般公開されているPCGとECGの同時データ量に制限のある問題に対処する。
  論文  参考訳（メタデータ） (2021-02-02T19:51:12Z)

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。