論文の概要: A Complex UNet Approach for Non-Invasive Fetal ECG Extraction Using Single-Channel Dry Textile Electrodes

• arxiv url: http://arxiv.org/abs/2506.22457v1
• Date: Mon, 16 Jun 2025 20:35:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-07 02:47:44.356083
• Title: A Complex UNet Approach for Non-Invasive Fetal ECG Extraction Using Single-Channel Dry Textile Electrodes
• Title（参考訳）: 単一チャネルドライ繊維電極を用いた非侵襲胎児心電図抽出のための複雑なUNetアプローチ
• Authors: Iulia Orvas, Andrei Radu, Alessandra Galli, Ana Neacsu, Elisabetta Peri,
• Abstract要約: 胎児心電図(fECG)は、臨床環境を超えて胎児の健康を評価するための有望なツールである。 このセットアップは、fECG信号の正確な抽出を複雑にするノイズやモーションアーチファクトの増加など、多くの課題を提示している。 ドライテキスタイル電極を用いた単チャンネル記録からAI技術を用いてfECGを抽出する先駆的手法を提案する。
• 参考スコア（独自算出の注目度）: 40.11095094521714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous, non-invasive pregnancy monitoring is crucial for minimising potential complications. The fetal electrocardiogram (fECG) represents a promising tool for assessing fetal health beyond clinical environments. Home-based monitoring necessitates the use of a minimal number of comfortable and durable electrodes, such as dry textile electrodes. However, this setup presents many challenges, including increased noise and motion artefacts, which complicate the accurate extraction of fECG signals. To overcome these challenges, we introduce a pioneering method for extracting fECG from single-channel recordings obtained using dry textile electrodes using AI techniques. We created a new dataset by simulating abdominal recordings, including noise closely resembling real-world characteristics of in-vivo recordings through dry textile electrodes, alongside mECG and fECG. To ensure the reliability of the extracted fECG, we propose an innovative pipeline based on a complex-valued denoising network, Complex UNet. Unlike previous approaches that focused solely on signal magnitude, our method processes both real and imaginary components of the spectrogram, addressing phase information and preventing incongruous predictions. We evaluated our novel pipeline against traditional, well-established approaches, on both simulated and real data in terms of fECG extraction and R-peak detection. The results showcase that our suggested method achieves new state-of-the-art results, enabling an accurate extraction of fECG morphology across all evaluated settings. This method is the first to effectively extract fECG signals from single-channel recordings using dry textile electrodes, making a significant advancement towards a fully non-invasive and self-administered fECG extraction solution.
• Abstract（参考訳）: 持続的、非侵襲的な妊娠モニタリングは、潜在的合併症の最小化に不可欠である。 胎児心電図(fECG)は、臨床環境を超えて胎児の健康を評価するための有望なツールである。 家庭ベースのモニタリングは、ドライテキスタイル電極のような最小限の快適で耐久性のある電極を使用する必要がある。 しかし、このセットアップは、fECG信号の正確な抽出を複雑にするノイズやモーションアーチファクトの増加など、多くの課題を提示している。 これらの課題を克服するために, ドライテキスタイル電極を用いて得られた単チャンネル記録からAI技術を用いてfECGを抽出する先駆的手法を提案する。 我々は, mECGとfECGとともに, 乾式織物電極による生体内記録の実際の特性によく似たノイズを含む腹部記録をシミュレートして, 新たなデータセットを作成した。 抽出したfECGの信頼性を確保するために,複素数値復調ネットワークであるcomplex UNetに基づく革新的なパイプラインを提案する。 信号の大きさのみに焦点をあてた従来の手法とは異なり、我々の手法は分光図のリアル成分と虚像成分の両方を処理し、位相情報に対処し、不連続な予測を防ぐ。 我々は,fECG抽出法とRピーク検出法を用いて,シミュレーションデータと実データの両方を用いて,従来の確立されたアプローチと比較した。 その結果,提案手法は,すべての評価環境において,fECG形態を正確に抽出し,新たな最先端結果が得られることを示した。 ドライテキスタイル電極を用いて単一チャネル記録からfECG信号を効果的に抽出し、完全に非侵襲的で自己管理されたfECG抽出ソリューションに向けて大きな進歩を遂げた最初の方法である。

関連論文リスト

• Diffusion-Based Electrocardiography Noise Quantification via Anomaly Detection [2.741077302469742]
  ECGノイズに対処する既存の手法は、アーティファクト分類やデノナイジングに依存しており、アノテーションの不整合と一般化性に制約されている。 クリーンなECG信号の正規分布をモデル化する拡散型フレームワークを提案し, 明示的なアーティファクトラベルを必要とせず, 偏差をノイズとして識別する。
  論文  参考訳（メタデータ） (2025-06-13T14:19:04Z)
• SincVAE: a New Approach to Improve Anomaly Detection on EEG Data Using SincNet and Variational Autoencoder [0.0]
  本研究では,脳波データからてんかん発作を検出するための半教師付きアプローチを提案する。 以上の結果から,SncVAEは脳波データにおける発作検出を改善し,早期発作の早期発見と術後経過のモニタリングが可能であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-25T13:21:01Z)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• 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)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• 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)
• ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks [9.468136300919062]
  本研究は,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しい復号法を提案する。 提案手法は,SEMGデノナイズのためのニューラルネットワークのデノエーズオートエンコーダ構造と強力な非線形マッピング機能を採用する。
  論文  参考訳（メタデータ） (2022-10-24T14:12:11Z)
• fMRI from EEG is only Deep Learning away: the use of interpretable DL to unravel EEG-fMRI relationships [68.8204255655161]
  多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。 我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
  論文  参考訳（メタデータ） (2022-10-23T15:11:37Z)
• Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network [1.869097450593631]
  本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。 提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
  論文  参考訳（メタデータ） (2022-02-12T19:27:06Z)
• Representing and Denoising Wearable ECG Recordings [12.378631176671773]
  ウェアラブルセンサから得られるECGの構造的ノイズ過程をシミュレートする統計モデルを構築した。 変動解析のためのビート・ツー・ビート表現を設計し,心電図を識別する因子分析に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-11-30T21:33:11Z)

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。