論文の概要: CLEP-GAN: An Innovative Approach to Subject-Independent ECG Reconstruction from PPG Signals

• arxiv url: http://arxiv.org/abs/2502.17536v1
• Date: Mon, 24 Feb 2025 16:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 17:42:45.125841
• Title: CLEP-GAN: An Innovative Approach to Subject-Independent ECG Reconstruction from PPG Signals
• Title（参考訳）: CLEP-GAN : PPG信号からの主観非依存心電図再構成への革新的アプローチ
• Authors: Xiaoyan Li, Shixin Xu, Faisal Habib, Neda Aminnejad, Arvind Gupta, Huaxiong Huang,
• Abstract要約: 本研究は、PSG信号から見えないECG信号を再構成することの課題に対処する。 データ収集プロセスは、しばしばノイズを導入し、高度な機械学習モデルでさえPSGからのECG再構成を複雑にする。 コントラスト学習, 対角学習, 注意ゲーティングを統合した, 対象非依存の PPG-to-ECG 再構成モデルを開発した。
• 参考スコア（独自算出の注目度）: 6.327810380749031
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study addresses the challenge of reconstructing unseen ECG signals from PPG signals, a critical task for non-invasive cardiac monitoring. While numerous public ECG-PPG datasets are available, they lack the diversity seen in image datasets, and data collection processes often introduce noise, complicating ECG reconstruction from PPG even with advanced machine learning models. To tackle these challenges, we first introduce a novel synthetic ECG-PPG data generation technique using an ODE model to enhance training diversity. Next, we develop a novel subject-independent PPG-to-ECG reconstruction model that integrates contrastive learning, adversarial learning, and attention gating, achieving results comparable to or even surpassing existing approaches for unseen ECG reconstruction. Finally, we examine factors such as sex and age that impact reconstruction accuracy, emphasizing the importance of considering demographic diversity during model training and dataset augmentation.
• Abstract（参考訳）: 本研究は,非侵襲的心電図モニタリングにおける重要な課題であるPSG信号からの未確認心電図信号の再構成を課題とする。 多くのパブリックECG-PPGデータセットが利用可能であるが、画像データセットに見られる多様性は欠如しており、データ収集プロセスはノイズを伴い、高度な機械学習モデルでさえPSGからのECG再構築を複雑にする。 これらの課題に対処するために、まずODEモデルを用いた新しいECG-PPGデータ生成手法を導入し、トレーニングの多様性を高める。 次に, コントラスト学習, 対向学習, 注意ゲーティングを統合し, 既存のECG再構成手法に匹敵する, あるいは超越した結果が得られる新しい対象非依存型PSG-to-ECG再構成モデルを構築した。 最後に、再構築精度に影響を与える性別や年齢などの要因について検討し、モデルトレーニングやデータセット拡張において、人口の多様性を考慮することの重要性を強調した。

関連論文リスト

• EnECG: Efficient Ensemble Learning for Electrocardiogram Multi-task Foundation Model [46.84040404474695]
  EnECGは、複数の特別な基礎モデルを統合するアンサンブルベースのフレームワークであり、それぞれECG解釈の異なる側面で優れている。 本稿では,基礎モデルの強力な表現力を維持しつつ,計算・メモリコストの削減に寄与することを示す。 このフレームワークは特徴抽出と予測性能を向上するだけでなく、実際の臨床応用に実用的な効率性も確保する。
  論文  参考訳（メタデータ） (2025-11-28T07:22:33Z)
• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• KM-GPT: An Automated Pipeline for Reconstructing Individual Patient Data from Kaplan-Meier Plots [45.53914693601933]
  我々は、Kaplan-Meierプロットから直接IDDを再構築するための、最初の完全に自動化されたAI駆動パイプラインであるKM-GPTを開発した。 KM-GPTは、高度な画像前処理、GPT-5によるマルチモーダル推論、反復再構成アルゴリズムを統合している。 そのハイブリッド推論アーキテクチャは、構造化されていない情報の構造化データフローへの変換を自動化する。 KM-GPTは、合成および実世界のデータセットに対して厳格に評価され、常に優れた精度を示す。
  論文  参考訳（メタデータ） (2025-09-15T00:38:38Z)
• EEG-MedRAG: Enhancing EEG-based Clinical Decision-Making via Hierarchical Hypergraph Retrieval-Augmented Generation [45.031633614714]
  EEG-MedRAGは3層ハイパーグラフに基づく検索拡張生成フレームワークである。 EEGドメイン知識、個々の患者ケース、大規模リポジトリをトラバース可能なn-aryリレーショナルハイパーグラフに統合する。 第1回クロスリリース・クロスロールEEG臨床QAベンチマークを,7つの障害と5つの臨床的観点から紹介した。
  論文  参考訳（メタデータ） (2025-08-19T11:12:58Z)
• Deep learning model for ECG reconstruction reveals the information content of ECG leads [0.0]
  本研究は心電図(ECG)の欠損した鉛を再構成するためのU-netアーキテクチャに基づくディープラーニングモデルを提案する。 公開されているデータセットを使用して、モデルは12リードのECGデータを再生するように訓練された。 その結果,各ECGリードの情報内容と,その相互関係を定量化するモデルの有効性が明らかになった。
  論文  参考訳（メタデータ） (2025-02-01T21:06:07Z)
• Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
  深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。 sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
  論文  参考訳（メタデータ） (2025-01-22T13:54:07Z)
• CognitionCapturer: Decoding Visual Stimuli From Human EEG Signal With Multimodal Information [61.1904164368732]
  脳波信号の表現にマルチモーダルデータを完全に活用する統合フレームワークであるCognitionCapturerを提案する。 具体的には、CognitionCapturerは、各モダリティに対してモダリティエキスパートを訓練し、EEGモダリティからモダリティ情報を抽出する。 このフレームワークは生成モデルの微調整を一切必要とせず、より多くのモダリティを組み込むように拡張することができる。
  論文  参考訳（メタデータ） (2024-12-13T16:27:54Z)
• ECGrecover: a Deep Learning Approach for Electrocardiogram Signal Completion [1.727597257312416]
  我々は、(i)ECGリード内の欠落した信号セグメントを再構築し、(ii)別のユニークなリードで信号からすべてのリードを回収する、という2つの主要なシナリオに焦点を当てる。 本稿では,新しい合成目的関数に基づくニューラルネットワークモデルであるECGrecoverを提案する。
  論文  参考訳（メタデータ） (2024-05-31T15:17:12Z)
• Multibranch Generative Models for Multichannel Imaging with an Application to PET/CT Synergistic Reconstruction [42.95604565673447]
  本稿では,マルチブランチ生成モデルを用いた医用画像の相乗的再構築のための新しい手法を提案する。 我々は,MNIST (Modified National Institute of Standards and Technology) とPET (positron emission tomography) とCT (Computed tomography) の2つのデータセットに対するアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2024-04-12T18:21:08Z)
• 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)
• Transforming ECG Diagnosis:An In-depth Review of Transformer-based DeepLearning Models in Cardiovascular Disease Detection [0.0]
  本稿では,ECG分類に適用可能なトランスフォーマーアーキテクチャの詳細なレビューを行う。 これらのモデルは、他のモデルが見落としているかもしれないECG信号の複雑な時間的関係を捉えている。 このレビューは、研究者や実践者にとって貴重なリソースであり、ECG解釈におけるこの革新的な応用に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-06-02T03:23:16Z)
• Leveraging Statistical Shape Priors in GAN-based ECG Synthesis [3.3482093430607267]
  本稿では,GAN(Generative Adversarial Networks)と統計ECGデータモデリングを用いた新しいECG信号生成手法を提案する。 本手法では,ECG信号の複雑なダイナミックスに対処するため,ECGのダイナミックスに関する事前知識を活用して現実的な信号の合成を行う。 以上の結果から,ECG信号の時間的・振幅的変動を2次元形状としてモデル化した手法は,最先端のGANベースの生成ベースラインと比較して,より現実的な信号を生成することがわかった。
  論文  参考訳（メタデータ） (2022-10-22T18:06:11Z)
• Performer: A Novel PPG to ECG Reconstruction Transformer For a Digital Biomarker of Cardiovascular Disease Detection [0.0]
  心臓血管疾患(CVD)は死因の上位1つとなり、これらの死亡の4分の3は低所得層で発生している。 心電図 (ECG) は, ユーザ参加の必要性から, 連続心臓モニタリングには有効ではない。 フォトプレチスモグラフィーは容易に収集できるが、精度の制限により臨床応用は制限される。
  論文  参考訳（メタデータ） (2022-04-25T17:10:13Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• 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)
• Opportunities and Challenges of Deep Learning Methods for Electrocardiogram Data: A Systematic Review [62.490310870300746]
  心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。 深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。 本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
  論文  参考訳（メタデータ） (2019-12-28T02:44:29Z)

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。