論文の概要: mCardiacDx: Radar-Driven Contactless Monitoring and Diagnosis of Arrhythmia

• arxiv url: http://arxiv.org/abs/2508.02274v1
• Date: Mon, 04 Aug 2025 10:40:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.292916
• Title: mCardiacDx: Radar-Driven Contactless Monitoring and Diagnosis of Arrhythmia
• Title（参考訳）: mCardiacDx : レーダーによる非接触モニタリングと不整脈診断
• Authors: Arjun Kumar, Noppanat Wadlom, Jaeheon Kwak, Si-Hyuck Kang, Insik Shin,
• Abstract要約: 不整脈(英: arrhythmia)は、時間的介入なしに重篤な合併症を発症させる一般的な心疾患である。 既存の非接触モニタリングは、主に健常者向けに設計されており、不整脈患者の反射信号を分析する際に重大な課題に直面している。 不整脈モニタリングと診断のために、反射信号を正確に解析し、心臓脈波形を再構成するレーダー駆動接触レスシステムであるmCardiacDxを導入する。
• 参考スコア（独自算出の注目度）: 4.360597490291855
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Arrhythmia is a common cardiac condition that can precipitate severe complications without timely intervention. While continuous monitoring is essential for timely diagnosis, conventional approaches such as electrocardiogram and wearable devices are constrained by their reliance on specialized medical expertise and patient discomfort from their contact nature. Existing contactless monitoring, primarily designed for healthy subjects, face significant challenges when analyzing reflected signals from arrhythmia patients due to disrupted spatial stability and temporal consistency. In this paper, we introduce mCardiacDx, a radar-driven contactless system that accurately analyzes reflected signals and reconstructs heart pulse waveforms for arrhythmia monitoring and diagnosis. The key contributions of our work include a novel precise target localization (PTL) technique that locates reflected signals despite spatial disruptions, and an encoder-decoder model that transforms these signals into HPWs, addressing temporal inconsistencies. Our evaluation on a large dataset of healthy subjects and arrhythmia patients shows that both mCardiacDx and PTL outperform state-of-the-art approach in arrhythmia monitoring and diagnosis, also demonstrating improved performance in healthy subjects.
• Abstract（参考訳）: 不整脈(英: arrhythmia)は、心臓疾患であり、時間的介入なしに重篤な合併症を発症させる。 連続的なモニタリングはタイムリーな診断には不可欠であるが、心電図やウェアラブルデバイスといった従来のアプローチは、専門的な専門知識や患者との接触性への不快感に依存している。 既存の非接触モニタリングは、主に健常者向けに設計されており、空間的安定性と時間的一貫性の破壊による不整脈患者からの反射信号を解析する際に重大な課題に直面している。 本稿では、反射信号を正確に解析し、不整脈モニタリングと診断のために心臓脈波形を再構成するレーダー駆動接触レスシステムであるmCardiacDxを紹介する。 我々の研究の主な貢献は、空間的破壊にもかかわらず反射信号を検出する新しい精度の高いターゲットローカライゼーション(PTL)技術と、これらの信号をHPWに変換するエンコーダ・デコーダモデルであり、時間的不整合に対処する。 健常者および不整脈患者の大規模データセットから,mCardiacDxとPTLはともに不整脈モニタリングおよび診断における最先端のアプローチに優れており,健常者においても良好な成績を示した。

関連論文リスト

• Versatile Cardiovascular Signal Generation with a Unified Diffusion Transformer [41.095491708125515]
  低品質な信号を再構成し、記録されていない信号を合成するマルチモーダル拡散変換器UniCardioを提案する。 心臓血管信号の相補的な性質を生かして、UniCardioは、近年のタスク固有のベースラインよりも明らかに優れている。 これらのアドバンテージは、UniCardioをAI支援ヘルスケアの前進のための有望な道と位置づけている。
  論文  参考訳（メタデータ） (2025-05-28T12:45:39Z)
• Heart2Mind: Human-Centered Contestable Psychiatric Disorder Diagnosis System using Wearable ECG Monitors [2.03647070634706]
  Heart2Mind(ハート2ミンド)は、ウェアラブル心電図(ECG)モニターを用いたヒト中心の精神疾患診断システムである。 本システムは,(1)極性H9/H10デバイスからのリアルタイムデータ取得のための心臓モニタリングインタフェース(CMI),(2)統合時間周波数領域分析によるRRI時系列処理を行うマルチスケールテンポラル周波数変換器(MSTFT),(3)自己反転説明(SAE)と競合可能な大言語モデル(LLM)を組み合わせた検査可能な診断インタフェース(CDI)からなる。
  論文  参考訳（メタデータ） (2025-05-16T18:21:08Z)
• Early Detection of Patient Deterioration from Real-Time Wearable Monitoring System [0.1253467217038036]
  TARLは、心拍数時系列において、シェープレットとして知られる代表サブシーケンスの構造関係をモデル化する革新的なアプローチである。 TARLは、心拍数時系列におけるシェープレットダイナミクスをモデル化するためのシェープレット遷移知識グラフを作成する。 これらの表現は説明的構造を捉え、将来の心拍数トレンドを予測し、早期疾患の検出を支援する。
  論文  参考訳（メタデータ） (2025-05-02T14:32:44Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [46.56667527672019]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
  単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。 また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
  論文  参考訳（メタデータ） (2024-02-12T11:04:08Z)
• Deep Learning for Automatic Strain Quantification in Arrhythmogenic Right Ventricular Cardiomyopathy [0.0]
  CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。 Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。 以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-11-24T12:55:36Z)
• 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)
• PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation [54.839600943189915]
  モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。 豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。 このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
  論文  参考訳（メタデータ） (2022-12-14T21:39:15Z)

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。