論文の概要: Toward Foundation Model for Multivariate Wearable Sensing of Physiological Signals

• arxiv url: http://arxiv.org/abs/2412.09758v1
• Date: Thu, 12 Dec 2024 23:35:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:01:42.159768
• Title: Toward Foundation Model for Multivariate Wearable Sensing of Physiological Signals
• Title（参考訳）: 生理信号の多変量ウェアラブルセンシングの基礎モデルに向けて
• Authors: Yunfei Luo, Yuliang Chen, Asif Salekin, Tauhidur Rahman,
• Abstract要約: 我々はNormWearと呼ばれるウェアラブルセンシング生理信号の基礎モデルを提案する。 包括的評価のために、11のパブリックなウェアラブルセンシングデータセットの下流評価を行う。 我々は,NormWearが一般時系列基礎モデリングにおいて,競争ベースラインよりも優れた性能向上を実現していることを示す。
• 参考スコア（独自算出の注目度）: 2.370585289844609
• License:
• Abstract: Time-series foundation models have the ability to run inference, mainly forecasting, on any type of time series data, thanks to the informative representations comprising waveform features. Wearable sensing data, on the other hand, contain more variability in both patterns and frequency bands of interest and generally emphasize more on the ability to infer healthcare-related outcomes. The main challenge of crafting a foundation model for wearable sensing physiological signals is to learn generalizable representations that support efficient adaptation across heterogeneous sensing configurations and applications. In this work, we propose NormWear, a step toward such a foundation model, aiming to extract generalized and informative wearable sensing representations. NormWear has been pretrained on a large set of physiological signals, including PPG, ECG, EEG, GSR, and IMU, from various public resources. For a holistic assessment, we perform downstream evaluation on 11 public wearable sensing datasets, spanning 18 applications in the areas of mental health, body state inference, biomarker estimations, and disease risk evaluations. We demonstrate that NormWear achieves a better performance improvement over competitive baselines in general time series foundation modeling. In addition, leveraging a novel representation-alignment-match-based method, we align physiological signals embeddings with text embeddings. This alignment enables our proposed foundation model to perform zero-shot inference, allowing it to generalize to previously unseen wearable signal-based health applications. Finally, we perform nonlinear dynamic analysis on the waveform features extracted by the model at each intermediate layer. This analysis quantifies the model's internal processes, offering clear insights into its behavior and fostering greater trust in its inferences among end users.
• Abstract（参考訳）: 時系列基礎モデルは、波形特徴からなる情報表現のおかげで、あらゆる種類の時系列データに基づいて、主に予測を行うことができる。 一方、ウェアラブルセンシングデータには、興味のあるパターンと周波数帯の両方のばらつきがあり、一般的には、医療関連の結果を推測する能力に重点を置いている。 ウェアラブルセンシング生理的信号の基礎モデルを構築する上での大きな課題は、不均一なセンシング構成や応用にまたがる効率的な適応を支援する一般化可能な表現を学習することである。 そこで本研究では,NormWearという,一般化された情報的ウェアラブルセンシング表現の抽出を目的とした,そのような基盤モデルに向けたステップを提案する。 NormWear は様々な公共資源から PPG、ECG、EEG、GSR、IMU を含む様々な生理的信号の事前訓練を受けている。 包括的評価のために、精神保健分野、身体状態推定分野、バイオマーカー推定分野、疾病リスク評価分野において、11の公共ウェアラブルセンシングデータセットを下流で評価する。 我々は,NormWearが一般時系列基礎モデリングにおいて,競争ベースラインよりも優れた性能向上を実現していることを示す。 さらに,新しい表現アライメント・マッチ法を活用することで,生理的信号埋め込みとテキスト埋め込みを連携させる。 このアライメントにより、提案するファンデーションモデルはゼロショット推論を実行でき、これまで見つからなかったウェアラブル信号ベースの健康アプリケーションに一般化することができる。 最後に,各中間層におけるモデルにより抽出された波形特性の非線形動的解析を行う。 この分析は、モデルの内部プロセスを定量化し、その振る舞いに対する明確な洞察を提供し、エンドユーザー間の推論に対する信頼性を高める。

関連論文リスト

• Assessing Foundation Models' Transferability to Physiological Signals in Precision Medicine [0.0]
  この研究は、基礎モデルの医療的文脈における伝達能力を評価するための体系的なパイプラインを導入している。 まず、生理シミュレーションソフトウェアを利用して、多様な臨床的シナリオを生成する。 第2に、パイプラインは基礎モデルを通してこれらのシミュレートされた信号を投影し、埋め込みを取得し、線形手法を用いて評価する。 第3に、パイプラインは特定の下流医療タスクを通じてこれらの表現を検証する。
  論文  参考訳（メタデータ） (2024-12-04T16:17:09Z)
• 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)
• Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
  本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。 本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-20T18:34:20Z)
• GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
  我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。 本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
  論文  参考訳（メタデータ） (2024-06-01T08:01:05Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
  本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。 PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。 提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-27T14:39:41Z)
• QXAI: Explainable AI Framework for Quantitative Analysis in Patient Monitoring Systems [9.29069202652354]
  定量的分析のための説明可能なAI(QXAI)フレームワークは、回帰および分類タスクのポストホックモデル説明可能性と本質的な説明可能性によって提案される。 我々は,センサデータに基づく心拍数予測と身体活動の分類を行うために,人工ニューラルネットワーク (ANN) と注意に基づく双方向LSTM (BiLSTM) モデルを採用した。
  論文  参考訳（メタデータ） (2023-09-19T03:50:30Z)
• Latent Temporal Flows for Multivariate Analysis of Wearables Data [0.9990687944474738]
  本稿では,この設定に適した時系列の多変量モデリング手法であるLatent Temporal Flowsを紹介する。 提案手法は,マルチステップ予測ベンチマークにおいて常に最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-14T02:54:34Z)
• Causal Inference via Nonlinear Variable Decorrelation for Healthcare Applications [60.26261850082012]
  線形および非線形共振の両方を扱う可変デコリレーション正規化器を用いた新しい手法を提案する。 我々は、モデル解釈可能性を高めるために、元の特徴に基づくアソシエーションルールマイニングを用いた新しい表現として、アソシエーションルールを採用する。
  論文  参考訳（メタデータ） (2022-09-29T17:44:14Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)

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。