論文の概要: Constraint Latent Space Matters: An Anti-anomalous Waveform Transformation Solution from Photoplethysmography to Arterial Blood Pressure

• arxiv url: http://arxiv.org/abs/2402.17780v1
• Date: Fri, 23 Feb 2024 02:31:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-11 00:18:13.093973
• Title: Constraint Latent Space Matters: An Anti-anomalous Waveform Transformation Solution from Photoplethysmography to Arterial Blood Pressure
• Title（参考訳）: 制約潜時空間物質:光胸腺造影から動脈圧へのアンチアノマラス波形変換法
• Authors: Cheng Bian, Xiaoyu Li, Qi Bi, Guangpu Zhu, Jiegeng Lyu, Weile Zhang, Yelei Li, Zijing Zeng
• Abstract要約: 動脈血圧 (ABP) は, 心臓血管の健康管理に有効である。 PPG-ABP予測の最近の進歩は、生成モデルと識別モデルの統合を含んでいる。 我々は、量子化されたコードブックを利用して堅牢な潜在空間を生成する、LSCT(Latent Space Constraint Transformer)という革新的なソリューションを提案する。
• 参考スコア（独自算出の注目度）: 17.44605140428367
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Arterial blood pressure (ABP) holds substantial promise for proactive cardiovascular health management. Notwithstanding its potential, the invasive nature of ABP measurements confines their utility primarily to clinical environments, limiting their applicability for continuous monitoring beyond medical facilities. The conversion of photoplethysmography (PPG) signals into ABP equivalents has garnered significant attention due to its potential in revolutionizing cardiovascular disease management. Recent strides in PPG-to-ABP prediction encompass the integration of generative and discriminative models. Despite these advances, the efficacy of these models is curtailed by the latent space shift predicament, stemming from alterations in PPG data distribution across disparate hardware and individuals, potentially leading to distorted ABP waveforms. To tackle this problem, we present an innovative solution named the Latent Space Constraint Transformer (LSCT), leveraging a quantized codebook to yield robust latent spaces by employing multiple discretizing bases. To facilitate improved reconstruction, the Correlation-boosted Attention Module (CAM) is introduced to systematically query pertinent bases on a global scale. Furthermore, to enhance expressive capacity, we propose the Multi-Spectrum Enhancement Knowledge (MSEK), which fosters local information flow within the channels of latent code and provides additional embedding for reconstruction. Through comprehensive experimentation on both publicly available datasets and a private downstream task dataset, the proposed approach demonstrates noteworthy performance enhancements compared to existing methods. Extensive ablation studies further substantiate the effectiveness of each introduced module.
• Abstract（参考訳）: 動脈血圧 (ABP) は, 心臓血管の健康管理に有効である。 潜在性にもかかわらず、app測定の侵襲的性質は、主に臨床環境にその有用性を限定し、医療施設を超えた継続的なモニタリングの適用性を制限する。 光胸腺造影(PPG)信号のAPB等価物質への変換は、心血管疾患管理に革命をもたらす可能性から大きな注目を集めている。 PPG-to-ABP予測の最近の進歩は、生成モデルと識別モデルの統合を含んでいる。 これらの進歩にもかかわらず、これらのモデルの有効性は、異なるハードウェアと個人にまたがるPSGデータ分布の変化に起因する潜在空間シフトの予測によって制限され、歪んだAPP波形につながる可能性がある。 この問題に対処するために,量子化されたコードブックを活用し,複数の離散化ベースを用いて頑健な潜在空間を生成する,LSCT(Latent Space Constraint Transformer)という革新的なソリューションを提案する。 再構築を容易にするため,CAM(Relation-boosted Attention Module)を導入し,グローバルスケールで関連するベースを体系的にクエリする。 さらに,表現能力を高めるために,潜在コードのチャネル内における局所情報フローを育成し,再構成のための追加埋め込みを提供するマルチスペクトル拡張知識(msek)を提案する。 公開データセットとプライベートダウンストリームタスクデータセットの両方に関する包括的な実験を通じて、提案手法は既存の手法と比較して注目すべきパフォーマンス向上を示す。 広範なアブレーション研究は、導入された各モジュールの有効性をさらに実証する。

関連論文リスト

• HMF: A Hybrid Multi-Factor Framework for Dynamic Intraoperative Hypotension Prediction [2.7807763048110337]
  平均動脈圧(MAP)を用いた術中低血圧(IOH)予測は,術中患者の予後に重要な意味を持つ重要な研究領域である。 既存のアプローチは主に、生理学的信号の動的な性質を無視する静的なモデリングパラダイムを使用している。 血圧予測タスクとしてIOH予測を再構成するHMF(Hybrid Multi-Factor)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-17T10:46:41Z)
• INN-PAR: Invertible Neural Network for PPG to ABP Reconstruction [9.127220498800645]
  ABP再建のための可逆ニューラルネットワーク(INN-PAR)を提案する。 INN-PARは、フォワードマッピングと逆マッピングの両方を同時に捕捉し、情報損失を防止する。 本稿では,可逆ブロック内のマルチスケール畳み込みモジュール(MSCM)を提案する。
  論文  参考訳（メタデータ） (2024-09-13T17:48:48Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• Towards Understanding the Robustness of Diffusion-Based Purification: A Stochastic Perspective [65.10019978876863]
  拡散性浄化(DBP)は、敵の攻撃に対する効果的な防御機構として出現している。 本稿では、DBPプロセスの本質が、その堅牢性の主要な要因であると主張している。
  論文  参考訳（メタデータ） (2024-04-22T16:10:38Z)
• TransfoRhythm: A Transformer Architecture Conductive to Blood Pressure Estimation via Solo PPG Signal Capturing [5.255373360156652]
  血圧(BP)は、高血圧の正確かつタイムリーな診断および/または治療のための重要な健康指標である。 人工知能(AI)とディープニューラルネットワーク(DNN)の最近の進歩は、データ駆動ソリューションの開発への関心の高まりにつながっている。 本研究は,カフレスBP推定にMIMIC IVデータセットを適用した最初の研究である。
  論文  参考訳（メタデータ） (2024-04-15T00:36:33Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites: A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
  深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。 我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。 また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
  論文  参考訳（メタデータ） (2023-08-31T00:36:10Z)
• Source-free Domain Adaptation Requires Penalized Diversity [60.04618512479438]
  ソースデータがない場合、異なるドメイン間の知識伝達に対処するために、ソースフリードメイン適応(SFDA)が導入された。 教師なしのFDAでは、多様性はソース上の1つの仮説を学習するか、共有された特徴抽出器で複数の仮説を学習することに限定される。 本稿では,異なる特徴抽出器を用いて表現多様性を促進する新しい無教師付きSFDAアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-06T00:20:19Z)
• Neuron Structure Modeling for Generalizable Remote Physiological Measurement [35.33213338840912]
  近年,リモート光胸腺造影(r)技術が注目されている。 顔ビデオから血液ボリュームパルス(BVP)を抽出し、多くのアプリケーションがよりアクセスしやすくする。 既存の手法は、目に見えない領域に対してうまく一般化するのに苦労する。 NEuron STructure Modeling (NEST) と呼ばれるドメインラベルのない手法を提案する。
  論文  参考訳（メタデータ） (2023-03-10T14:44:11Z)
• Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection Segmentation System [69.40329819373954]
  新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。 現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。 本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
  論文  参考訳（メタデータ） (2022-09-07T05:01:38Z)
• Novel Blood Pressure Waveform Reconstruction from Photoplethysmography using Cycle Generative Adversarial Networks [2.0253391348983]
  血圧(BP)の連続モニタリングは、個人が慢性疾患を高血圧として管理するのに役立つ。 クリーンなPSG信号からBP信号を循環性血圧(ABP)として抽出するサイクル生成対向ネットワーク(CycleGAN)を提案する。 提案手法では,GANアーキテクチャをドメイン翻訳に拡張し,BP推定の2倍の精度で最先端の手法を高速化する。
  論文  参考訳（メタデータ） (2022-01-24T22:14:58Z)

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。