論文の概要: Diffusion-Based Electrocardiography Noise Quantification via Anomaly Detection

• arxiv url: http://arxiv.org/abs/2506.11815v1
• Date: Fri, 13 Jun 2025 14:19:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.825771
• Title: Diffusion-Based Electrocardiography Noise Quantification via Anomaly Detection
• Title（参考訳）: 拡散型心電図ノイズの異常検出による定量化
• Authors: Tae-Seong Han, Jae-Wook Heo, Hakseung Kim, Cheol-Hui Lee, Hyub Huh, Eue-Keun Choi, Dong-Joo Kim,
• Abstract要約: 本研究では、再構成に基づく異常検出によるECGノイズ定量化のための拡散型フレームワークを提案する。 提案手法は, 臨床診断, 診断精度, リアルタイム心電図モニタリング機能を向上させる。
• 参考スコア（独自算出の注目度）: 2.0312355631430834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electrocardiography (ECG) signals are often degraded by noise, which complicates diagnosis in clinical and wearable settings. This study proposes a diffusion-based framework for ECG noise quantification via reconstruction-based anomaly detection, addressing annotation inconsistencies and the limited generalizability of conventional methods. We introduce a distributional evaluation using the Wasserstein-1 distance ($W_1$), comparing the reconstruction error distributions between clean and noisy ECGs to mitigate inconsistent annotations. Our final model achieved robust noise quantification using only three reverse diffusion steps. The model recorded a macro-average $W_1$ score of 1.308 across the benchmarks, outperforming the next-best method by over 48%. External validations demonstrated strong generalizability, supporting the exclusion of low-quality segments to enhance diagnostic accuracy and enable timely clinical responses to signal degradation. The proposed method enhances clinical decision-making, diagnostic accuracy, and real-time ECG monitoring capabilities, supporting future advancements in clinical and wearable ECG applications.
• Abstract（参考訳）: 心電図(ECG)信号は、しばしばノイズによって劣化し、臨床やウェアラブルの設定で診断が複雑になる。 本研究は, 再構成に基づく異常検出, アノテーションの不整合への対処, 従来の手法の限定的一般化による拡散型ノイズ定量化フレームワークを提案する。 本稿では,Wasserstein-1距離(W_1$)を用いて,クリーンなECGとノイズの多いECG間の再構成誤差分布を比較し,一貫性のないアノテーションを緩和する分布評価手法を提案する。 最終モデルは3つの逆拡散ステップのみを用いて頑健な雑音定量化を実現した。 このモデルは、ベンチマーク全体で平均$W_1$スコア1.308を記録し、次のベストメソッドを48%以上上回った。 外的検証は高い一般化性を示し、低品質セグメントの排除をサポートし、診断精度を高め、信号劣化に対するタイムリーな臨床反応を可能にする。 本手法は, 臨床診断, 診断精度, リアルタイム心電図モニタリング機能を強化し, 臨床およびウェアラブル心電図アプリケーションの今後の進歩を支援する。

関連論文リスト

• NMCSE: Noise-Robust Multi-Modal Coupling Signal Estimation Method via Optimal Transport for Cardiovascular Disease Detection [7.255170888607717]
  最適輸送理論により分布整合性の問題を再検討するノイズ・ロバスト多モード結合信号推定法(NMCSE)を提案する。 CVD検出では,97.38%の精度と0.98のAUCを達成し,最先端の手法より優れ,実世界の臨床応用において堅牢な性能を示す。
  論文  参考訳（メタデータ） (2025-05-14T18:25:43Z)
• FADE: Forecasting for Anomaly Detection on ECG [4.914228925573227]
  本研究の目的は,通常の心電図予測と異常検出のために設計された深層学習システムFADEを提案することである。 FADEは、新しい形態学的にインスパイアされた損失関数で、自己監督的な方法で訓練されている。 本手法は,心電図信号と実際のセンサデータとの新たな距離関数を用いて,心臓の異常を効果的に同定する。
  論文  参考訳（メタデータ） (2025-02-11T09:19:39Z)
• MECG-E: Mamba-based ECG Enhancer for Baseline Wander Removal [23.040957989796155]
  我々は,マンバをベースとしたECGエンハンサー(MECG-E)という新しいECGデノベーションモデルを提案する。 MECG-Eは、様々なノイズ条件下で、複数のメトリクスにまたがる、よく知られた既存モデルを上回る。 最先端の拡散に基づくECGデノイザよりも推論時間が少ない。
  論文  参考訳（メタデータ） (2024-09-27T15:22:44Z)
• Unsupervised Anomaly Detection Using Diffusion Trend Analysis for Display Inspection [48.19821513256158]
  本稿では, 劣化度に応じて, 復元傾向の分析により異常を検出する手法を提案する。 本稿では,劣化度に応じて再構成傾向の分析により異常を検出する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T01:50:07Z)
• 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)
• SoftPatch: Unsupervised Anomaly Detection with Noisy Data [67.38948127630644]
  本稿では,画像センサ異常検出におけるラベルレベルのノイズを初めて考察する。 本稿では,メモリベースの非教師付きAD手法であるSoftPatchを提案する。 既存の手法と比較して、SoftPatchは通常のデータの強力なモデリング能力を維持し、コアセットにおける過信問題を軽減する。
  論文  参考訳（メタデータ） (2024-03-21T08:49:34Z)
• 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)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Automatic Detection of Noisy Electrocardiogram Signals without Explicit Noise Labels [12.176026483486252]
  ノイズの多いECGサンプルを自動的に検出する2段階のディープラーニングベースのフレームワークを提案する。 本フレームワークは, わずかに, 非常にノイズの多いECGサンプルを効果的に検出できる。 また、あるデータセットで学習したモデルの別のデータセットへの転送について検討し、このフレームワークがノイズの多いECGサンプルを効果的に検出することを観察する。
  論文  参考訳（メタデータ） (2022-08-08T17:16:16Z)
• Neighborhood Collective Estimation for Noisy Label Identification and Correction [92.20697827784426]
  ノイズラベルを用いた学習(LNL)は,ノイズラベルに対するモデルオーバーフィットの効果を軽減し,モデル性能と一般化を改善するための戦略を設計することを目的としている。 近年の進歩は、個々のサンプルのラベル分布を予測し、ノイズ検証とノイズラベル補正を行い、容易に確認バイアスを生じさせる。 提案手法では, 候補サンプルの予測信頼性を, 特徴空間近傍と対比することにより再推定する。
  論文  参考訳（メタデータ） (2022-08-05T14:47:22Z)
• DeScoD-ECG: Deep Score-Based Diffusion Model for ECG Baseline Wander and Noise Removal [4.998493052085877]
  心電図(ECG)信号は、ベースラインダウトなど、一般的にノイズ干渉に悩まされる。 本稿では,新しいECGベースラインホアリングとノイズ除去技術を提案する。
  論文  参考訳（メタデータ） (2022-07-31T23:39:33Z)
• High Frequency EEG Artifact Detection with Uncertainty via Early Exit Paradigm [70.50499513259322]
  現在のアーティファクト検出パイプラインはリソース不足であり、手作りの機能に大きく依存している。 高周波脳波アーチファクト検出のためのディープラーニングフレームワークであるE4Gを提案する。 われわれのフレームワークは初期の出口パラダイムを利用して、不確実性を捉えることのできるモデルの暗黙のアンサンブルを構築している。
  論文  参考訳（メタデータ） (2021-07-21T07:05:42Z)
• Inter-Beat Interval Estimation with Tiramisu Model: A Novel Approach with Reduced Error [29.672313172019624]
  本研究では,高強度動作においても,動きアーチファクト雑音を抑え,ECG信号のRピークを顕著にする深層学習手法を提案する。 提案手法は, 平均根平均二乗誤差 (RMSE) を13ミリ秒で推定し, SNRのノイズECG信号から最大-30dBまでのIBI推定を可能にする。
  論文  参考訳（メタデータ） (2021-07-01T18:39:43Z)
• 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)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。