論文の概要: NMCSE: Noise-Robust Multi-Modal Coupling Signal Estimation Method via Optimal Transport for Cardiovascular Disease Detection

• arxiv url: http://arxiv.org/abs/2505.18174v3
• Date: Tue, 04 Nov 2025 09:18:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.259715
• Title: NMCSE: Noise-Robust Multi-Modal Coupling Signal Estimation Method via Optimal Transport for Cardiovascular Disease Detection
• Title（参考訳）: NMCSE: 心血管疾患検出のための最適輸送によるノイズ・ロバスト多モード結合信号推定法
• Authors: Peihong Zhang, Zhixin Li, Rui Sang, Yuxuan Liu, Yiqiang Cai, Yizhou Tan, Shengchen Li,
• Abstract要約: ノイズ・ロバスト多モード結合信号推定(NMCSE)を提案する。 NMCSEは、最適輸送によって解決された分布マッチング問題として結合信号推定を再構成する。 NMCSEは、臨床と生理の両方のノイズの下で、既存の手法を一貫して上回っている。
• 参考スコア（独自算出の注目度）: 12.42019711058722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The coupling signal refers to a latent physiological signal that characterizes the transformation from cardiac electrical excitation, captured by the electrocardiogram (ECG), to mechanical contraction, recorded by the phonocardiogram (PCG). By encoding the temporal and functional interplay between electrophysiological and hemodynamic events, it serves as an intrinsic link between modalities and offers a unified representation of cardiac function, with strong potential to enhance multi-modal cardiovascular disease (CVD) detection. However, existing coupling signal estimation methods remain highly vulnerable to noise, particularly in real-world clinical and physiological settings, which undermines their robustness and limits practical value. In this study, we propose Noise-Robust Multi-Modal Coupling Signal Estimation (NMCSE), which reformulates coupling signal estimation as a distribution matching problem solved via optimal transport. By jointly aligning amplitude and timing, NMCSE avoids noise amplification and enables stable signal estimation. When integrated into a Temporal-Spatial Feature Extraction (TSFE) network, the estimated coupling signal effectively enhances multi-modal fusion for more accurate CVD detection. To evaluate robustness under real-world conditions, we design two complementary experiments targeting distinct sources of noise. The first uses the PhysioNet 2016 dataset with simulated hospital noise to assess the resilience of NMCSE to clinical interference. The second leverages the EPHNOGRAM dataset with motion-induced physiological noise to evaluate intra-state estimation stability across activity levels. Experimental results show that NMCSE consistently outperforms existing methods under both clinical and physiological noise, highlighting it as a noise-robust estimation approach that enables reliable multi-modal cardiac detection in real-world conditions.
• Abstract（参考訳）: 結合信号は、心電図(ECG)で捉えた心電気興奮から、心電図(PCG)で記録された機械的収縮への変換を特徴付ける潜在生理信号を指す。 電気生理学的事象と血行力学的事象の時間的および機能的相互作用を符号化することにより、モダリティの本質的なリンクとして機能し、心臓機能の統一的な表現を提供し、マルチモーダル心血管疾患(CVD)の検出を増強する強い可能性を秘めている。 しかし、既存のカップリング信号推定法は、特に現実の臨床的および生理的設定において、ノイズに対して非常に脆弱であり、その頑丈さを損なうとともに実用的価値を制限している。 本研究では,結合信号推定を最適搬送により解いた分布マッチング問題として再検討するノイズ・ロバスト多モード結合信号推定法を提案する。 振幅とタイミングを協調的に調整することにより、NMCSEはノイズ増幅を回避し、安定した信号推定を可能にする。 時間空間特徴抽出(TSFE)ネットワークに統合されると、推定結合信号は、より正確なCVD検出のためのマルチモーダル融合を効果的に強化する。 実環境下でのロバスト性を評価するために,異なる音源を対象とする2つの相補的な実験を設計する。 1つ目は、NMCSEの臨床的干渉に対するレジリエンスを評価するために、シミュレートされた病院ノイズを備えたPhyloNet 2016データセットを使用する。 2つ目は、EPHNOGRAMデータセットと運動による生理的ノイズを利用して、活動レベル間の状態内推定安定性を評価する。 実験結果から,NMCSEは臨床および生理的ノイズの両面において既存の手法よりも常に優れており,実環境において信頼性の高いマルチモーダル心臓検出を可能にするノイズ・ローバスト推定法として注目されている。

関連論文リスト

• Wavelet Integrated Convolutional Neural Network for ECG Signal Denoising [1.565361244756411]
  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。
  論文  参考訳（メタデータ） (2025-01-12T06:18:46Z)
• A Multi-Modal Unsupervised Machine Learning Approach for Biomedical Signal Processing in CPR [12.81782890394599]
  CPR中の生体信号のリアルタイム解析は、モニタリングと意思決定に不可欠である。 フィルタのような従来の分極法は、CPR信号に存在する様々な複雑なノイズパターンに適応するのに苦労する。 本稿では,マルチモーダルフレームワークを用いたCPR信号の非教師なし機械学習(ML)手法を提案する。
  論文  参考訳（メタデータ） (2024-11-03T18:40:25Z)
• 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)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• 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)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• 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)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)

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。