論文の概要: Recover from Horcrux: A Spectrogram Augmentation Method for Cardiac Feature Monitoring from Radar Signal Components

• arxiv url: http://arxiv.org/abs/2503.19649v1
• Date: Tue, 25 Mar 2025 13:40:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:54:23.737057
• Title: Recover from Horcrux: A Spectrogram Augmentation Method for Cardiac Feature Monitoring from Radar Signal Components
• Title（参考訳）: Horcruxからの回復:レーダー信号成分からの心機能モニタリングのためのスペクトログラム増強法
• Authors: Yuanyuan Zhang, Sijie Xiong, Rui Yang, EngGee Lim, Yutao Yue,
• Abstract要約: 本研究は,レーダーを用いた心機能モニタリングのための分光法であるHorcruxを提案する。 提案手法は入力サンプルの多様性を高めるために設計され, 拡張スペクトルは依然として元の基底真理に忠実である。
• 参考スコア（独自算出の注目度）: 12.624858332639063
• License:
• Abstract: Radar-based wellness monitoring is becoming an effective measurement to provide accurate vital signs in a contactless manner, but data scarcity retards the related research on deep-learning-based methods. Data augmentation is commonly used to enrich the dataset by modifying the existing data, but most augmentation techniques can only couple with classification tasks. To enable the augmentation for regression tasks, this research proposes a spectrogram augmentation method, Horcrux, for radar-based cardiac feature monitoring (e.g., heartbeat detection, electrocardiogram reconstruction) with both classification and regression tasks involved. The proposed method is designed to increase the diversity of input samples while the augmented spectrogram is still faithful to the original ground truth vital sign. In addition, Horcrux proposes to inject zero values in specific areas to enhance the awareness of the deep learning model on subtle cardiac features, improving the performance for the limited dataset. Experimental result shows that Horcrux achieves an overall improvement of 16.20% in cardiac monitoring and has the potential to be extended to other spectrogram-based tasks. The code will be released upon publication.
• Abstract（参考訳）: レーダベースのウェルネスモニタリングは、接触のない方法で正確なバイタルサインを提供するための効果的な測定方法になりつつあるが、データ不足は、ディープラーニングベースの手法に関する研究を遅らせている。 データ拡張は、既存のデータを変更することでデータセットを強化するために一般的に使用されるが、ほとんどの拡張技術は分類タスクにのみ対応できる。 そこで本研究では,レーダを用いた心機能モニタリング(例えば,心拍検出,心電図再構成)のためのスペクトル増強法であるHorcruxを提案する。 提案手法は入力サンプルの多様性を高めるために設計され, 拡張スペクトルは依然として元の基底真理に忠実である。 さらに、Horcruxは特定の領域におけるゼロ値の注入を提案し、微妙な心的特徴に対するディープラーニングモデルの認識を高め、限られたデータセットのパフォーマンスを向上させる。 実験の結果、Horcruxは心臓モニタリングにおいて16.20%の全体的な改善を達成し、他のスペクトログラムベースのタスクにも拡張できる可能性が示された。 コードは公開時に公開される。

関連論文リスト

• Confident Pseudo-labeled Diffusion Augmentation for Canine Cardiomegaly Detection [7.9471205712560264]
  肥大した心臓を特徴とする犬の心肥大は、検出されていない場合、深刻な健康リスクを引き起こす。 現在の検出モデルは、しばしば小さく、注釈の付かないデータセットに依存している。 犬の心内膜を同定するための信頼的擬似ラベル付き拡散拡張モデルを提案する。
  論文  参考訳（メタデータ） (2025-01-13T18:10:19Z)
• EchoTracker: Advancing Myocardial Point Tracking in Echocardiography [0.6263680699548959]
  EchoTrackerは、超音波画像シーケンスを横切る組織表面のクエリポイントの追跡を容易にする、2倍の粗い粒度モデルである。 実験の結果、平均位置精度は67%、中央軌道誤差は2.86ピクセルである。 このことは、学習に基づく点追跡がパフォーマンスを向上し、臨床測定において高い診断と予後の値が得られることを示唆している。
  論文  参考訳（メタデータ） (2024-05-14T13:24:51Z)
• 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)
• Analysis of Augmentations for Contrastive ECG Representation Learning [17.467589890017123]
  本稿では,心電図(ECG)信号のコントラスト学習における各種拡張の有効性を系統的に検討する。 PTB-XLは、大規模で公開されている12リードのECGデータセットである。
  論文  参考訳（メタデータ） (2022-05-30T20:41:59Z)
• Preservation of High Frequency Content for Deep Learning-Based Medical Image Classification [74.84221280249876]
  大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。 本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:29:54Z)
• Segmentation-free Heart Pathology Detection Using Deep Learning [12.065014651638943]
  本研究では,新しいセグメンテーションフリー心音分類法を提案する。 具体的には、離散ウェーブレット変換を用いて信号をノイズ化し、続いて特徴抽出と特徴量削減を行う。 サポートベクトルマシンとディープニューラルネットワークは分類に使用される。
  論文  参考訳（メタデータ） (2021-08-09T16:09:30Z)
• Improved Speech Emotion Recognition using Transfer Learning and Spectrogram Augmentation [56.264157127549446]
  音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。 SERの主な課題の1つは、データの不足である。 本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-08-05T10:39:39Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
  本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。 提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
  論文  参考訳（メタデータ） (2020-04-24T23:41:41Z)

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。