論文の概要: Finger-to-Chest Style Transfer-assisted Deep Learning Method For Photoplethysmogram Waveform Restoration with Timing Preservation

• arxiv url: http://arxiv.org/abs/2503.13496v1
• Date: Tue, 11 Mar 2025 09:38:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-23 06:09:48.396347
• Title: Finger-to-Chest Style Transfer-assisted Deep Learning Method For Photoplethysmogram Waveform Restoration with Timing Preservation
• Title（参考訳）: 時間保存による光プラチスモグラム波形復元のための指間移動支援深層学習法
• Authors: Sara Maria Pagotto, Federico Tognoni, Matteo Rossi, Dario Bovio, Caterina Salito, Luca Mainardi, Pietro Cerveri,
• Abstract要約: 胸部PPG信号の効率良く回復するために, StarGAN と呼ばれる, 移動支援型サイクルコンシステント生成対向ネットワークを提案する。 2つの同一装置が採用され、1つのセンサは、低品質で回復中のと考えられる胸部PSG信号を収集し、もう1つのセンサは、指で測定された高品質PSG信号を得る。
• 参考スコア（独自算出の注目度）: 1.0470286407954037
• License:
• Abstract: Wearable measurements, such as those obtained by photoplethysmogram (PPG) sensors are highly susceptible to motion artifacts and noise, affecting cardiovascular measures. Chest-acquired PPG signals are especially vulnerable, with signal degradation primarily resulting from lower perfusion, breathing-induced motion, and mechanical interference from chest movements. Traditional restoration methods often degrade the signal, and supervised deep learning (DL) struggles with random and systematic distortions, requiring very large datasets for successful training. To efficiently restore chest PPG waveform, we propose a style transfer-assisted cycle-consistent generative adversarial network, called starGAN, whose performance is evaluated on a three-channel PPG signal (red, green,and infrared) acquired by a chest-worn multi-modal sensor, called Soundi. Two identical devices are adopted, one sensor to collect the PPG signal on the chest, considered to feature low quality and undergoing restoration, and another sensor to obtain a high-quality PPG signal measured on the finger, considered the reference signal. Extensive validation over some 8,000 5-second chunks collected from 40 subjects showed about 90% correlation of the restored chest PPG with the reference finger PPG, with a 30% improvement over raw chest PPG. Likewise, the signal-to-noise ratio improved on average of about 125%, over the three channels. The agreement with heart-rate computed from concurrent ECG was extremely high, overcoming 84% on average. These results demonstrate effective signal restoration, comparable with findings in recent literature papers. Significance: PPG signals collected from wearable devices are highly susceptible to artifacts, making innovative AI-based techniques fundamental towards holistic health assessments in a single device.
• Abstract（参考訳）: 光胸腺電図(PPG)センサーで得られるようなウェアラブル測定は、運動アーチファクトやノイズに非常に敏感であり、心臓血管の計測に影響を及ぼす。 胸部吸収性PSG信号は特に脆弱であり、信号の劣化は主に低灌流、呼吸誘発運動、胸部運動からの機械的干渉によるものである。 従来の復元法はしばしば信号を劣化させ、教師付きディープラーニング(DL)はランダムで体系的な歪みに悩まされ、訓練を成功させるために非常に大きなデータセットを必要とする。 胸部PSG波形を効率よく復元するために, 胸部マルチモーダルセンサで取得した3チャネルPSG信号(赤, 緑, 赤外線)を用いて, 性能評価を行うStaGANという, 移動型サイクル整合性生成対向ネットワークを提案する。 2つの同一装置が採用され、1つのセンサは、低品質で回復中のと考えられるPSG信号を胸に収集し、もう1つのセンサは、基準信号として、指で測定された高品質のPSG信号を得る。 40名の被験者から収集した約8,0005秒のチャンクに対する広範囲な検証では、回復胸PSGと基準指PSGの約90%の相関がみられ、生胸PSGよりも30%改善した。 同様に、信号対雑音比は3チャンネルで平均125%改善した。 コンカレントECGから計算した心拍数との合意は極めて高く、平均84%を上回った。 これらの結果は,近年の文献の知見に匹敵する効果的な信号回復を示すものである。 意義:ウェアラブルデバイスから収集されたPSG信号は、アーティファクトに非常に影響を受けやすく、単一のデバイスにおける全体的健康評価に基本となる、革新的なAIベースの技術を実現する。

関連論文リスト

• Joint Attention Mechanism Learning to Facilitate Opto-physiological Monitoring during Physical Activity [4.674309739521861]
  本研究では,注意機構を持つ生成的対向ネットワーク(AM-GAN)を用いて,光学生理学的モニタリングのための実践的対向学習手法を提案する。 AM-GANは、生ノイズ信号からMA耐性マッピングを学習し、逆向きにPSG信号をクリアする。 この研究は、AM-GANのロバスト性とレジリエンス、特に低-高-高-高-強度の身体活動におけるレジリエンスを実証している。
  論文  参考訳（メタデータ） (2025-02-13T13:08:11Z)
• 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)
• A Self-Supervised Algorithm for Denoising Photoplethysmography Signals for Heart Rate Estimation from Wearables [21.086951625740824]
  我々は,PPG信号の清浄な部分を保ちながら,信号の劣化部分を再構成するPPG信号を復調するアルゴリズムを開発した。 我々の新しいフレームワークは自己教師型トレーニングに依存しており、クリーンなPSG信号の大規模なデータベースを活用してデノナイズドオートエンコーダを訓練する。
  論文  参考訳（メタデータ） (2023-07-07T06:21:43Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• WPPG Net: A Non-contact Video Based Heart Rate Extraction Network Framework with Compatible Training Capability [21.33542693986985]
  顔の皮膚には、リモートフォトプレシー(r)信号と呼ばれる微妙な色の変化があり、そこから被験者の心拍数を抽出できる。 近年,r信号抽出に関する多くの深層学習手法と関連するデータセットが提案されている。 しかしながら,BVP信号などのラベル波は,我々の体内を流れる時間と他の要因により,実際のr信号に不確実な遅延がある。 本稿では、r信号とラベル波のリズムと周期性に関する共通特性を解析することにより、これらのネットワークを包み、トレーニング時に効率を保ち続けるためのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-07-04T19:52:30Z)
• Identifying Rhythmic Patterns for Face Forgery Detection and Categorization [46.21354355137544]
  本研究では, PPG信号に対する空間時間フィルタリングネットワーク (STFNet) と, PPG信号の制約と相互作用のための空間時間インタラクションネットワーク (STINet) からなる顔偽造検出と分類のためのフレームワークを提案する。 フォージェリーメソッドの生成に関する知見を得て,フレームワークの性能を高めるために,イントラソースとイントラソースのブレンディングを提案する。
  論文  参考訳（メタデータ） (2022-07-04T04:57:06Z)
• Motion Artifact Reduction In Photoplethysmography For Reliable Signal Selection [5.264561559435017]
  光胸腺造影法(英: Photoplethysmography, PPG)は、人体の重要な兆候を抽出する非侵襲的、経済的手法である。 信号の品質を損なうような動きに敏感である。 日々の生活活動(ADL)を行いながら現実的なPSG信号を収集し,実践的な信号聴取・分析手法を開発することは重要である。
  論文  参考訳（メタデータ） (2021-09-06T21:53:56Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。