論文の概要: PSG-MAE: Robust Multitask Sleep Event Monitoring using Multichannel PSG Reconstruction and Inter-channel Contrastive Learning

• arxiv url: http://arxiv.org/abs/2504.13229v1
• Date: Thu, 17 Apr 2025 13:43:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-28 20:53:12.176523
• Title: PSG-MAE: Robust Multitask Sleep Event Monitoring using Multichannel PSG Reconstruction and Inter-channel Contrastive Learning
• Title（参考訳）: PSG-MAE:多チャンネルPSG再構成とチャンネル間コントラスト学習を用いたロバストマルチタスク睡眠イベントモニタリング
• Authors: Yifei Wang, Qi Liu, Fuli Min, Honghao Wang,
• Abstract要約: ポリソムノグラフィー(PSG)信号は睡眠過程の研究や睡眠障害の診断に不可欠である。 マスクオートエンコーダを用いた事前学習フレームワークPSG-MAEを提案する。 また,PSG-MAEは,PSG信号から時間的詳細情報とチャネル間情報の両方を効果的にキャプチャすることを示した。
• 参考スコア（独自算出の注目度）: 16.002946830438766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polysomnography (PSG) signals are essential for studying sleep processes and diagnosing sleep disorders. Analyzing PSG data through deep neural networks (DNNs) for automated sleep monitoring has become increasingly feasible. However, the limited availability of datasets for certain sleep events often leads to DNNs focusing on a single task with a single-sourced training dataset. As a result, these models struggle to transfer to new sleep events and lack robustness when applied to new datasets. To address these challenges, we propose PSG-MAE, a mask autoencoder (MAE) based pre-training framework. By performing self-supervised learning on a large volume of unlabeled PSG data, PSG-MAE develops a robust feature extraction network that can be broadly applied to various sleep event monitoring tasks. Unlike conventional MAEs, PSG-MAE generates complementary masks across PSG channels, integrates a multichannel signal reconstruction method, and employs a self-supervised inter-channel contrastive learning (ICCL) strategy. This approach enables the encoder to capture temporal features from each channel while simultaneously learning latent relationships between channels, thereby enhancing the utilization of multichannel information. Experimental results show that PSG-MAE effectively captures both temporal details and inter-channel information from PSG signals. When the encoder pre-trained through PSG-MAE is fine-tuned with downstream feature decomposition networks, it achieves an accuracy of 83.7% for sleep staging and 90.45% for detecting obstructive sleep apnea, which highlights the framework's robustness and broad applicability.
• Abstract（参考訳）: ポリソムノグラフィー(PSG)信号は睡眠過程の研究や睡眠障害の診断に不可欠である。 自動睡眠監視のためのディープニューラルネットワーク(DNN)を通じてPSGデータを分析することは、ますます実現可能になっている。 しかしながら、特定の睡眠イベント用のデータセットが限られているため、DNNは単一のソースのトレーニングデータセットを持つ単一のタスクに集中することが多い。 その結果、これらのモデルは新しいスリープイベントへの移行に苦労し、新しいデータセットに適用しても堅牢性に欠ける。 これらの課題に対処するため,マスクオートエンコーダ(MAE)を用いた事前学習フレームワークPSG-MAEを提案する。 PSG-MAEは、ラベルのない大量のPSGデータに対して自己教師付き学習を行うことで、様々な睡眠イベント監視タスクに広く適用可能な、堅牢な特徴抽出ネットワークを開発する。 従来のMAEとは異なり、PSG-MAEはPSGチャネルをまたいだ補完マスクを生成し、マルチチャネル信号再構成手法を統合し、自己教師付きチャンネル間コントラスト学習(ICCL)戦略を採用している。 このアプローチにより、エンコーダは、チャネル間の遅延関係を同時に学習しながら、各チャネルから時間的特徴を捕捉し、マルチチャネル情報の利用を高めることができる。 実験の結果,PSG-MAEはPSG信号から時間的詳細情報とチャネル間情報の両方を効果的に捉えていることがわかった。 PSG-MAEを介して事前訓練されたエンコーダを下流の特徴分解ネットワークで微調整すると、睡眠ステージングでは83.7%、閉塞性睡眠時無呼吸では90.45%の精度が得られる。

関連論文リスト

• PSDNorm: Test-Time Temporal Normalization for Deep Learning on EEG Signals [63.05435596565677]
  PSDNormは、Mongeマッピングと時間コンテキストを活用して、ディープラーニングモデルでフィーチャーマップを正規化するレイヤである。 PSDNormは、トレーニング中に見えないデータセットのテスト時間における最先端のパフォーマンスを達成する。 PSDNormはロバスト性を大幅に改善し、20%の難題でF1スコアを著しく高めている。
  論文  参考訳（メタデータ） (2025-03-06T16:20:25Z)
• Toward Foundational Model for Sleep Analysis Using a Multimodal Hybrid Self-Supervised Learning Framework [2.424910201171407]
  本研究では,PSG(Polysomnography)データを解析するためのマルチモーダルハイブリッド学習フレームワークであるSynthSleepNetを紹介する。 SynthSleepNetは、マスク付き予測とコントラスト学習を効果的に統合し、複数のモードにまたがる相補的特徴を活用する。 3つの下流タスクにわたる最先端のメソッドよりも優れたパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2025-02-18T10:11:50Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• ARNN: Attentive Recurrent Neural Network for Multi-channel EEG Signals to Identify Epileptic Seizures [2.3907933297014927]
  A Attention Recurrent Neural Network (ARNN) が提案され、大量のデータを効率的に正確に処理できる。 ARNN細胞は、配列に沿って注意層を繰り返し適用し、配列長と線形複雑である。 このフレームワークは、注意層と長い短期記憶(LSTM)細胞にインスパイアされているが、この典型的な細胞を複数の順序でスケールアップし、マルチチャネル脳波信号を並列化する。
  論文  参考訳（メタデータ） (2024-03-05T19:15:17Z)
• Multi-Signal Reconstruction Using Masked Autoencoder From EEG During Polysomnography [24.336598771550157]
  ポリソムノグラフィー(PSG)は睡眠医学において欠かせない診断ツールである。 単一チャネル脳波から多信号PSGを再構成できる新しいシステムを提案する。 以上の結果から,よりアクセスしやすい長期睡眠モニタリングシステムの開発が期待できる。
  論文  参考訳（メタデータ） (2023-11-14T02:57:37Z)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• MRNet: a Multi-scale Residual Network for EEG-based Sleep Staging [5.141687309207561]
  マルチスケール機能融合モデルと逐次補正アルゴリズムを統合し,データ駆動型スリープステージングのためのMRNetと呼ばれる新しいフレームワークを提案する。 EEG信号は、深い機能の表現に影響を与えるネットワーク伝播におけるかなりの詳細な情報を失う。 実験結果は,提案手法の精度とf1得点の両方における競合性能を示す。
  論文  参考訳（メタデータ） (2021-01-07T13:48:30Z)
• Automate Obstructive Sleep Apnea Diagnosis Using Convolutional Neural Networks [4.882119124419393]
  本稿では,1次元畳み込み層とFCN層を有するCNNアーキテクチャについて述べる。 提案した1次元CNNモデルはPSG信号を手動で前処理することなく優れた分類結果が得られる。
  論文  参考訳（メタデータ） (2020-06-13T15:35:18Z)

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。