論文の概要: ECG Signal Denoising Using Multi-scale Patch Embedding and Transformers

• arxiv url: http://arxiv.org/abs/2407.11065v1
• Date: Fri, 12 Jul 2024 03:13:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 20:10:21.767256
• Title: ECG Signal Denoising Using Multi-scale Patch Embedding and Transformers
• Title（参考訳）: マルチスケールパッチ埋め込みと変圧器を用いた心電図信号の復調
• Authors: Ding Zhu, Vishnu Kabir Chhabra, Mohammad Mahdi Khalili,
• Abstract要約: 本稿では,1次元畳み込み層と変圧器アーキテクチャを組み合わせた深層学習手法を提案する。 次に、この埋め込みをトランスネットワークの入力として使用し、ECG信号をデノナイズするトランスの能力を高める。
• 参考スコア（独自算出の注目度）: 6.882042556551613
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiovascular disease is a major life-threatening condition that is commonly monitored using electrocardiogram (ECG) signals. However, these signals are often contaminated by various types of noise at different intensities, significantly interfering with downstream tasks. Therefore, denoising ECG signals and increasing the signal-to-noise ratio is crucial for cardiovascular monitoring. In this paper, we propose a deep learning method that combines a one-dimensional convolutional layer with transformer architecture for denoising ECG signals. The convolutional layer processes the ECG signal by various kernel/patch sizes and generates an embedding called multi-scale patch embedding. The embedding then is used as the input of a transformer network and enhances the capability of the transformer for denoising the ECG signal.
• Abstract（参考訳）: 心血管疾患は、心電図(ECG)信号を用いて一般的に監視される主要な生命維持状態である。 しかし、これらの信号はしばしば異なる強度の様々な種類のノイズによって汚染され、下流のタスクと著しく干渉する。 したがって、心電図信号のノイズ化と信号対雑音比の増大は、心血管モニタリングに不可欠である。 本稿では,1次元畳み込み層と変圧器アーキテクチャを組み合わせた深層学習手法を提案する。 畳み込み層は、ECG信号を様々なカーネル/パッチサイズで処理し、マルチスケールパッチ埋め込みと呼ばれる埋め込みを生成する。 次に、この埋め込みをトランスネットワークの入力として使用し、ECG信号をデノナイズするトランスの能力を高める。

関連論文リスト

• Modally Reduced Representation Learning of Multi-Lead ECG Signals through Simultaneous Alignment and Reconstruction [0.0]
  本稿では,ECG信号のチャネルに依存しない統一表現を生成することができるECG信号の表現学習手法を提案する。 生成された埋め込みは、下流タスクのためのECG信号の有能な機能として機能します。
  論文  参考訳（メタデータ） (2024-05-24T06:06:05Z)
• Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
  動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。 標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。 Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-04-02T13:43:08Z)
• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• 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)
• Unsupervised Denoising for Signal-Dependent and Row-Correlated Imaging Noise [54.0185721303932]
  本稿では,行関連の画像ノイズを処理できる,教師なしのディープラーニングベースデノイザについて紹介する。 提案手法では,特殊設計の自己回帰デコーダを備えた変分オートエンコーダを用いる。 本手法では,事前学習した雑音モデルを必要としないため,雑音のないデータを用いてスクラッチから訓練することができる。
  論文  参考訳（メタデータ） (2023-10-11T20:48:20Z)
• 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)
• ECG classification using Deep CNN and Gramian Angular Field [2.685668802278155]
  提案手法は,グラム角場変換を用いた時間周波数1Dベクトルを2次元画像に変換することに基づく。 その結果,異常検出では97.47%,98.65%の分類精度が得られた。 これは、心血管疾患の診断と治療、および異常の検出に重要な意味を持つ。
  論文  参考訳（メタデータ） (2023-07-25T13:26:52Z)
• Denoising Simulated Low-Field MRI (70mT) using Denoising Autoencoders (DAE) and Cycle-Consistent Generative Adversarial Networks (Cycle-GAN) [68.8204255655161]
  高磁場, 高分解能, 高信号-雑音比 (SNR) 磁気共鳴イメージング (MRI) 画像を得るために, GAN (Cycle Consistent Generative Adversarial Network) が実装されている。 Denoising Autoencoder(DAE)とCycle-GANをペアとアンペアのケースで訓練するために画像が使用された。 この研究は、古典的DAEを上回り、低磁場MRI画像を改善することができ、画像ペアを必要としない生成的ディープラーニングモデルの使用を実証する。
  論文  参考訳（メタデータ） (2023-07-12T00:01:00Z)
• ECG Signal Super-resolution by Considering Reconstruction and Cardiac Arrhythmias Classification Loss [0.0]
  圧縮ECG信号を復元するための深層学習型ECG信号スーパーレゾリューションフレームワーク(ESRNet)を提案する。 実験の結果,提案するESRNetフレームワークは10回圧縮されたECG信号を十分に再構成できることがわかった。
  論文  参考訳（メタデータ） (2020-12-07T15:43:50Z)
• AdaIN-Switchable CycleGAN for Efficient Unsupervised Low-Dose CT Denoising [46.0231398013639]
  スイッチング可能な1つのジェネレータを用いた新しいサイクルGANアーキテクチャを提案する。 提案手法は,約半数のパラメータを用いて,前回のCycleGAN手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-13T08:30:23Z)
• Multi-level Stress Assessment Using Multi-domain Fusion of ECG Signal [1.52292571922932]
  複数のストレスレベルを持つデータセットを導入し、新しいディープラーニングアプローチを用いてこれらのレベルを分類する。 信号画像は時間周波数領域と周波数領域に変換してマルチモーダル・マルチドメイン化した。 提案された融合フレームワークとECG信号による画像変換により、平均精度は85.45%に達する。
  論文  参考訳（メタデータ） (2020-08-12T18:08:35Z)

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。