論文の概要: Wavelet Integrated Convolutional Neural Network for ECG Signal Denoising

• arxiv url: http://arxiv.org/abs/2501.06724v1
• Date: Sun, 12 Jan 2025 06:18:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:22:31.516306
• Title: Wavelet Integrated Convolutional Neural Network for ECG Signal Denoising
• Title（参考訳）: ECG信号復調のためのウェーブレット統合畳み込みニューラルネットワーク
• Authors: Takamasa Terada, Masahiro Toyoura,
• Abstract要約: ドライ電極を用いたウェアラブル心電図(ECG)測定は、高強度ノイズ歪みに問題がある。 本研究では、クリーンECGの特定の周波数特徴を抽出するウェーブレット変換層を付加した畳み込みニューラルネットワーク(CNN)モデルを提案する。 実験の結果,提案手法は全ての周波数領域を考慮し,ノイズを低減した正確なECGの挙動を効果的に予測できることが確認された。
• 参考スコア（独自算出の注目度）: 1.565361244756411
• License:
• Abstract: Wearable electrocardiogram (ECG) measurement using dry electrodes has a problem with high-intensity noise distortion. Hence, a robust noise reduction method is required. However, overlapping frequency bands of ECG and noise make noise reduction difficult. Hence, it is necessary to provide a mechanism that changes the characteristics of the noise based on its intensity and type. This study proposes a convolutional neural network (CNN) model with an additional wavelet transform layer that extracts the specific frequency features in a clean ECG. Testing confirms that the proposed method effectively predicts accurate ECG behavior with reduced noise by accounting for all frequency domains. In an experiment, noisy signals in the signal-to-noise ratio (SNR) range of -10-10 are evaluated, demonstrating that the efficiency of the proposed method is higher when the SNR is small.
• Abstract（参考訳）: ドライ電極を用いたウェアラブル心電図(ECG)測定は、高強度ノイズ歪みに問題がある。 したがって、ロバストノイズ低減法が要求される。 しかし、ECGとノイズの重なり合う周波数帯域はノイズ低減を困難にしている。 したがって、その強度とタイプに基づいてノイズの特性を変化させるメカニズムを提供する必要がある。 本研究では、クリーンECGの特定の周波数特徴を抽出するウェーブレット変換層を付加した畳み込みニューラルネットワーク(CNN)モデルを提案する。 実験の結果,提案手法は全ての周波数領域を考慮し,ノイズを低減した正確なECGの挙動を効果的に予測できることが確認された。 実験では、信号対雑音比(SNR)の10-10の範囲でノイズ信号を評価し、SNRが小さい場合、提案手法の効率が高いことを示す。

関連論文リスト

• In-ear ECG Signal Enhancement with Denoising Convolutional Autoencoders [11.901601030527862]
  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。
  論文  参考訳（メタデータ） (2024-08-27T16:50:57Z)
• ECG Signal Denoising Using Multi-scale Patch Embedding and Transformers [6.882042556551613]
  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。
  論文  参考訳（メタデータ） (2024-07-12T03:13:52Z)
• 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)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• 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 Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks [9.468136300919062]
  本研究は,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しい復号法を提案する。 提案手法は,SEMGデノナイズのためのニューラルネットワークのデノエーズオートエンコーダ構造と強力な非線形マッピング機能を採用する。
  論文  参考訳（メタデータ） (2022-10-24T14:12:11Z)
• The Effect of Non-Gaussian Noise on Auto-correlative Weak-value Amplification [2.5631808142941415]
  自動相関弱値増幅法(AWVA)における非ガウス雑音の影響について検討した。 特に、負のdB信号対雑音比、周波数定常雑音、周波数非定常雑音の2種類のノイズについて検討した。
  論文  参考訳（メタデータ） (2022-09-26T14:34:42Z)
• SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
  スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。 本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。 提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2022-06-09T14:00:26Z)
• Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
  暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。 提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調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） (2022-04-05T12:46:36Z)
• Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
  ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。 シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2021-09-18T14:51:24Z)
• Heart Sound Classification Considering Additive Noise and Convolutional Distortion [2.63046959939306]
  異常検出のための心臓音の自動解析は、加算雑音とセンサ依存劣化の課題に直面している。 本研究の目的は, 心音に両種類の歪みが存在する場合に, 心的異常検出問題に対処する手法を開発することである。 提案手法は, 安価な聴診器を用いて, ノイズの多い環境下で, コンピュータ支援型心臓聴診システムを開発するための道を開くものである。
  論文  参考訳（メタデータ） (2021-06-03T14:09:04Z)

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。