論文の概要: Intelligent Incident Hypertension Prediction in Obstructive Sleep Apnea

• arxiv url: http://arxiv.org/abs/2505.20615v1
• Date: Tue, 27 May 2025 01:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 17:05:58.336921
• Title: Intelligent Incident Hypertension Prediction in Obstructive Sleep Apnea
• Title（参考訳）: 閉塞型睡眠時無呼吸症候群におけるインテリジェントインシデント高血圧予測
• Authors: Omid Halimi Milani, Ahmet Enis Cetin, Bharati Prasad,
• Abstract要約: 閉塞性睡眠時無呼吸 (OSA) は、間欠性低酸素症と睡眠断片化による高血圧の重要な危険因子である。 本研究では,離散コサイン変換(DCT)に基づく伝達学習を統合し,予測精度を向上させる新しい深層学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Obstructive sleep apnea (OSA) is a significant risk factor for hypertension, primarily due to intermittent hypoxia and sleep fragmentation. Predicting whether individuals with OSA will develop hypertension within five years remains a complex challenge. This study introduces a novel deep learning approach that integrates Discrete Cosine Transform (DCT)-based transfer learning to enhance prediction accuracy. We are the first to incorporate all polysomnography signals together for hypertension prediction, leveraging their collective information to improve model performance. Features were extracted from these signals and transformed into a 2D representation to utilize pre-trained 2D neural networks such as MobileNet, EfficientNet, and ResNet variants. To further improve feature learning, we introduced a DCT layer, which transforms input features into a frequency-based representation, preserving essential spectral information, decorrelating features, and enhancing robustness to noise. This frequency-domain approach, coupled with transfer learning, is especially beneficial for limited medical datasets, as it leverages rich representations from pre-trained networks to improve generalization. By strategically placing the DCT layer at deeper truncation depths within EfficientNet, our model achieved a best area under the curve (AUC) of 72.88%, demonstrating the effectiveness of frequency-domain feature extraction and transfer learning in predicting hypertension risk in OSA patients over a five-year period.
• Abstract（参考訳）: 閉塞性睡眠時無呼吸 (OSA) は、間欠性低酸素症と睡眠断片化による高血圧の重要な危険因子である。 OSA患者が5年以内に高血圧を発症するかどうかを予測することは、依然として複雑な課題である。 本研究では,離散コサイン変換(DCT)に基づく伝達学習を統合し,予測精度を向上させる新しい深層学習手法を提案する。 我々は,すべてのポリソノグラフィー信号を統合して高血圧予測を行い,その集合情報を利用してモデル性能を向上させる。 これらの信号から特徴を抽出し、2D表現に変換し、MobileNet、EfficientNet、ResNetなどのトレーニング済みの2Dニューラルネットワークを利用する。 特徴学習をさらに改善するために、入力特徴を周波数ベース表現に変換し、必須スペクトル情報を保存し、特徴をデコレーションし、ノイズに対する堅牢性を向上するDCT層を導入した。 転送学習と組み合わせたこの周波数領域アプローチは、事前訓練されたネットワークからの豊かな表現を活用して一般化を改善するため、限られた医療データセットにとって特に有益である。 このDCT層をEfficientNet内のより深い溝深度に戦略的に配置することにより,5年間のOSA患者の高血圧リスク予測における周波数領域の特徴抽出と伝達学習の有効性を実証し,AUC(AUC)が72.88%の最適領域を達成できた。

関連論文リスト

• The Efficacy of Semantics-Preserving Transformations in Self-Supervised Learning for Medical Ultrasound [60.80780313225093]
  本研究は, 肺超音波の自己教師あり学習におけるデータ拡張と前処理方略の影響を系統的に検討した。 画像領域に共通して使用されるベースラインパイプライン、超音波用に設計された新しいセマンティック保存パイプライン、両方のパイプラインから最も効果的な変換の蒸留セットの3つのデータ拡張パイプラインが評価された。
  論文  参考訳（メタデータ） (2025-04-10T16:26:47Z)
• Recognition of Dysarthria in Amyotrophic Lateral Sclerosis patients using Hypernetworks [7.182245711235296]
  変形の認識にハイパーネットを取り入れた最初の研究について述べる。 具体的には、オーディオファイルを使用し、それをlog-Mel Spectrogram、delta、delta-deltaに変換し、トレーニング済みの修正AlexNetモデルに渡します。 その結果,提案手法の精度は82.66%に向上した。
  論文  参考訳（メタデータ） (2025-02-27T15:57:37Z)
• Region-wise stacking ensembles for estimating brain-age using MRI [0.23301643766310373]
  高次元MRIデータは、一般化可能な解釈可能なモデルの構築に挑戦する。 本稿では,概念的に新しい2段階積み重ねアンサンブル(SE)手法を提案する。 第1レベルの予測では、改善され、より堅牢な老化信号が見られた。
  論文  参考訳（メタデータ） (2025-01-17T12:24:28Z)
• DPER: Diffusion Prior Driven Neural Representation for Limited Angle and Sparse View CT Reconstruction [45.00528216648563]
  Diffusion Prior Driven Neural Representation (DPER) は、異常に不適切なCT再構成逆問題に対処するために設計された、教師なしのフレームワークである。 DPERは、半二次分割法(HQS)アルゴリズムを採用し、逆問題からデータ忠実度とサブプロブレム前の分布に分解する。 LACTにおけるDPERの性能評価と2つの公開データセットを用いた超SVCT再構成に関する総合的な実験を行った。
  論文  参考訳（メタデータ） (2024-04-27T12:55:13Z)
• 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)
• Deep denoising autoencoder-based non-invasive blood flow detection for arteriovenous fistula [10.030431512848239]
  本稿では,DAE(Deep Denoising Autoencoder)に基づく次元削減と再構成作業を行う手法を提案する。 以上の結果から,DAEが生み出す潜伏表現は0.93の精度で予測を上回った。 ノイズ・ミキシングの導入とノイズ・トゥ・クリーン・スキームの利用により、潜在表現の識別能力が効果的に向上する。
  論文  参考訳（メタデータ） (2023-06-12T04:46:01Z)
• Detection of Large Vessel Occlusions using Deep Learning by Deforming Vessel Tree Segmentations [5.408694811103598]
  この研究は、船体木分割マスクの弾性変形で訓練されたケースレベルの分類に畳み込みニューラルネットワークを使用し、トレーニングデータを人工的に増強する。 ニューラルネットワークは、LVOと影響を受ける半球の存在を分類する。 5倍のクロス検証アブレーション実験において,提案手法を用いることで,少数のデータセットからでも頑健なモデルを訓練できることが実証された。
  論文  参考訳（メタデータ） (2021-12-03T09:07:29Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT [45.93021999366973]
  肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:08Z)
• A Comprehensive Study of Data Augmentation Strategies for Prostate Cancer Detection in Diffusion-weighted MRI using Convolutional Neural Networks [9.554833667156913]
  217例のトレーニングデータセットに,最も頻繁に使用される5つの拡張手法(ランダム回転,水平フリップ,垂直フリップ,ランダム作物,翻訳)を適用した。 前立腺癌検出の精度に及ぼす各方法の影響について検討した。 浅層ネットワークは、回転法により得られる最高の2DスライスベースのAUC0.85で、ディープネットワークを上回った。
  論文  参考訳（メタデータ） (2020-06-01T14:31:38Z)
• Learn2Perturb: an End-to-end Feature Perturbation Learning to Improve Adversarial Robustness [79.47619798416194]
  Learn2Perturbは、ディープニューラルネットワークの対角的堅牢性を改善するために、エンドツーエンドの機能摂動学習アプローチである。 予測最大化にインスパイアされ、ネットワークと雑音パラメータを連続的にトレーニングするために、交互にバックプロパゲーショントレーニングアルゴリズムが導入された。
  論文  参考訳（メタデータ） (2020-03-02T18:27:35Z)

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。