Fugu-MT 論文翻訳(概要): In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders

論文の概要: In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders

arxiv url: http://arxiv.org/abs/2409.05891v1
Date: Tue, 27 Aug 2024 16:50:57 GMT
ステータス: 処理完了
システム内更新日: 2024-09-15 05:21:30.460140
Title: In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders
Title（参考訳）: 畳み込み自己エンコーダを用いた耳内心電図信号強調
Authors: Edoardo Occhipinti, Marek Zylinski, Harry J. Davies, Amir Nassibi, Matteo Bermond, Patrik Bachtiger, Nicholas S. Peters, Danilo P. Mandic,
Abstract要約: 耳内の心電図記録は、小さな振幅と他の生理的信号の存在によって大きなノイズに悩まされることが多い。本研究は, よりクリーンなECG出力を生成するため, 内部記録からのECG情報を高めるための畳み込み自己符号化器を開発した。
参考スコア（独自算出の注目度）: 11.901601030527862
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The cardiac dipole has been shown to propagate to the ears, now a common site for consumer wearable electronics, enabling the recording of electrocardiogram (ECG) signals. However, in-ear ECG recordings often suffer from significant noise due to their small amplitude and the presence of other physiological signals, such as electroencephalogram (EEG), which complicates the extraction of cardiovascular features. This study addresses this issue by developing a denoising convolutional autoencoder (DCAE) to enhance ECG information from in-ear recordings, producing cleaner ECG outputs. The model is evaluated using a dataset of in-ear ECGs and corresponding clean Lead I ECGs from 45 healthy participants. The results demonstrate a substantial improvement in signal-to-noise ratio (SNR), with a median increase of 5.9 dB. Additionally, the model significantly improved heart rate estimation accuracy, reducing the mean absolute error by almost 70% and increasing R-peak detection precision to a median value of 90%. We also trained and validated the model using a synthetic dataset, generated from real ECG signals, including abnormal cardiac morphologies, corrupted by pink noise. The results obtained show effective removal of noise sources with clinically plausible waveform reconstruction ability.
Abstract（参考訳）: 心電図(ECG)信号の記録を可能にする消費者向けウェアラブルエレクトロニクスの一般的な場所である耳に、心臓双極子を伝播させることが示されている。しかし、耳内心電図記録は、小さな振幅と、心血管の特徴の抽出を複雑にする脳波(EEG)のような他の生理学的信号の存在により、大きなノイズに悩まされることが多い。本研究は、内部記録からのECG情報を強化し、よりクリーンなECG出力を生成するDCAE(Denoising Convolutional Autoencoder)を開発することでこの問題に対処する。このモデルは、45人の健康な参加者の耳内心電図とそれに対応するクリーンリード心電図のデータセットを用いて評価される。その結果、信号対雑音比(SNR)は5.9dBの中央値で大幅に改善した。さらに、モデルでは心拍推定精度を大幅に改善し、平均絶対誤差を約70%削減し、Rピーク検出精度を90%まで向上させた。また, ピンクノイズによる心形態異常を含む心電図信号から生成した合成データセットを用いて, モデルを訓練し, 検証した。その結果, 臨床応用可能な波形再構成能を有するノイズ源を効果的に除去できることが判明した。

関連論文リスト

Investigating the Generalizability of ECG Noise Detection Across Diverse Data Sources and Noise Types [0.0]
クロスデータセット実験による新しいHRVを用いたECGにおけるノイズ検出の一般化可能性について検討する。その結果,機械学習の平均精度は90%以上であり,AUPRCは0.9以上であることがわかった。
論文参考訳（メタデータ） (2025-02-20T12:54:56Z)
AnyECG: Foundational Models for Electrocardiogram Analysis [36.53693619144332]
心電図(ECG)は急性心臓発作の検出に非常に敏感である。本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。異常検出,不整脈検出,不良鉛生成,超長期心電図信号解析などの実験結果から,AnyECGがデータから共通心電図の知識を学習し,各タスクにおける最先端手法を著しく上回ることを示す。
論文参考訳（メタデータ） (2024-11-17T17:32:58Z)
SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
論文参考訳（メタデータ） (2024-04-15T01:07:08Z)
DCAE-SR: Design of a Denoising Convolutional Autoencoder for reconstructing Electrocardiograms signals at Super Resolution [5.368388861148683]
心電図(ECG)信号は心血管診断において重要な役割を担っている。 ECG記録における固有ノイズと限定分解能は、正確な解釈と診断を妨げる可能性がある。本稿では,DNAEを用いて心電図信号の内部の時間・周波数情報を強化する新しいECGスーパー解像度(SR)モデルを提案する。
論文参考訳（メタデータ） (2024-03-29T19:46:08Z)
MEIT: Multi-Modal Electrocardiogram Instruction Tuning on Large Language Models for Report Generation [41.324530807795256]
心電図(Electrocardiogram、ECG)は、心臓の状態をモニタリングするための主要な非侵襲的診断ツールである。最近の研究は心電図データを用いた心臓状態の分類に集中しているが、心電図レポートの生成は見落としている。 LLMとマルチモーダル命令を用いてECGレポート生成に取り組む最初の試みであるMultimodal ECG Instruction Tuning (MEIT) フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-07T23:20:56Z)
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)
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)
PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文参考訳（メタデータ） (2023-05-17T09:06:39Z)
Blind ECG Restoration by Operational Cycle-GANs [15.264145425539128]
心電図信号の持続的長期モニタリングは不整脈などの心疾患の早期発見に不可欠である。非クリニカルECG記録は、ベースライン、信号カット、モーションアーティファクト、QRS振幅の変動、ノイズ、その他の干渉といった深刻なアーティファクトに悩まされることが多い。サイクル整合型生成対向ネットワーク(Cycle-GAN)を用いた盲検心電図復元のための新しい手法を提案する。
論文参考訳（メタデータ） (2022-01-29T19:47:17Z)
Representing and Denoising Wearable ECG Recordings [12.378631176671773]
ウェアラブルセンサから得られるECGの構造的ノイズ過程をシミュレートする統計モデルを構築した。変動解析のためのビート・ツー・ビート表現を設計し,心電図を識別する因子分析に基づく手法を提案する。
論文参考訳（メタデータ） (2020-11-30T21:33:11Z)
ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。