論文の概要: A Denoising VAE for Intracardiac Time Series in Ischemic Cardiomyopathy
- arxiv url: http://arxiv.org/abs/2507.14164v1
- Date: Tue, 08 Jul 2025 08:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-27 08:26:15.933259
- Title: A Denoising VAE for Intracardiac Time Series in Ischemic Cardiomyopathy
- Title（参考訳）: 虚血性心筋症に合併した心内連続型VAEの1例
- Authors: Samuel Ruipérez-Campillo, Alain Ryser, Thomas M. Sutter, Ruibin Feng, Prasanth Ganesan, Brototo Deb, Kelly A. Brennan, Maxime Pedron, Albert J. Rogers, Maarten Z. H. Kolk, Fleur V. Y. Tjong, Sanjiv M. Narayan, Julia E. Vogt,
- Abstract要約: 本研究は,心室中モノファシック作用電位(MAP)信号記録の品質向上を目的とした変分オートエンコーダ(VAE)モデルを提案する。
虚血性心筋症と診断された42例の5706時系列のデータセットからクリーン信号の表現を構築することにより,より優れた認知機能を示す。
VAEは、シングルビートにおける様々なノイズ源を排除し、最先端のデノナイジング技術より優れ、心EPの治療効果を向上させる可能性がある。
- 参考スコア（独自算出の注目度）: 10.70564642401123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the field of cardiac electrophysiology (EP), effectively reducing noise in intra-cardiac signals is crucial for the accurate diagnosis and treatment of arrhythmias and cardiomyopathies. However, traditional noise reduction techniques fall short in addressing the diverse noise patterns from various sources, often non-linear and non-stationary, present in these signals. This work introduces a Variational Autoencoder (VAE) model, aimed at improving the quality of intra-ventricular monophasic action potential (MAP) signal recordings. By constructing representations of clean signals from a dataset of 5706 time series from 42 patients diagnosed with ischemic cardiomyopathy, our approach demonstrates superior denoising performance when compared to conventional filtering methods commonly employed in clinical settings. We assess the effectiveness of our VAE model using various metrics, indicating its superior capability to denoise signals across different noise types, including time-varying non-linear noise frequently found in clinical settings. These results reveal that VAEs can eliminate diverse sources of noise in single beats, outperforming state-of-the-art denoising techniques and potentially improving treatment efficacy in cardiac EP.
- Abstract（参考訳）: 心臓電気生理学(EP)の分野では、不整脈や心筋症の正確な診断と治療には、心臓内信号のノイズを効果的に低減することが重要である。
しかし、従来のノイズ低減技術は、これらの信号に含まれる様々な音源(しばしば非線形および非定常)の様々なノイズパターンに対処するのに不足する。
本研究は,心室中モノファシック作用電位(MAP)信号記録の品質向上を目的とした変分オートエンコーダ(VAE)モデルを提案する。
虚血性心筋症と診断された42例の5706時系列のデータセットからクリーン信号の表現を構築することにより, 臨床現場で一般的に用いられている従来のフィルタリング法と比較して, より優れたノイズ除去性能を示す。
VAEモデルの有効性を様々な指標を用いて評価し、臨床現場で頻繁に見られる時間変化のない非線形ノイズなど、様々なノイズタイプにまたがる信号の識別能力に優れていたことを示す。
これらの結果から,VAEは単一拍子の多様なノイズ源を除去し,最先端のノイズ除去技術より優れ,心EPの治療効果が向上する可能性が示唆された。
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) - 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) - Structure-Accurate Medical Image Translation via Dynamic Frequency Balance and Knowledge Guidance [60.33892654669606]
拡散モデルは,必要な医用画像を合成するための強力な戦略である。
既存のアプローチはまだ、高周波情報の過度な適合による解剖学的構造歪みの問題に悩まされている。
本稿では,動的周波数バランスと知識指導に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2025-04-13T05:48:13Z) - Quantifying Noise of Dynamic Vision Sensor [49.665407116447454]
動的視覚センサ(DVS)は、大量のバックグラウンドアクティビティ(BA)ノイズによって特徴付けられる。
標準的な画像処理技術を用いて,ノイズとクリーン化センサ信号とを区別することは困難である。
Detrended Fluctuation Analysis (DFA) から得られたBAノイズを特徴付ける新しい手法が提案されている。
論文 参考訳（メタデータ） (2024-04-02T13:43:08Z) - A multi-artifact EEG denoising by frequency-based deep learning [5.231056284485742]
我々は周波数領域で動作する新しい脳波復調モデルを開発し、ノイズスペクトルの特徴に関する事前知識を活用している。
EEGdenoiseNetデータセットの性能評価は、提案モデルが時間およびスペクトルの指標に応じて最適な結果を得ることを示す。
論文 参考訳（メタデータ） (2023-10-26T12:01:47Z) - 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) - 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) - Machine Learning-based Efficient Ventricular Tachycardia Detection Model
of ECG Signal [0.0]
心不全の一次診断と解析において、心電図信号は重要な役割を果たす。
本稿では,ノイズフィルタを用いた心室頻拍不整脈の予測モデル,心電図の特徴セット,機械学習に基づく分類モデルを提案する。
論文 参考訳（メタデータ） (2021-12-24T05:56:09Z) - 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) - Learning Model-Blind Temporal Denoisers without Ground Truths [46.778450578529814]
合成データで訓練されたデノイザーは、未知のノイズの多様性に対処できないことが多い。
従来の画像ベース手法は、ビデオデノイザに直接適用した場合、ノイズが過度に収まる。
本稿では,これらの課題に対処する上で有効な,ビデオ・デノベーション・ネットワークの汎用フレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-07T07:19:48Z)
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。