論文の概要: ECGTwin: Personalized ECG Generation Using Controllable Diffusion Model
- arxiv url: http://arxiv.org/abs/2508.02720v1
- Date: Fri, 01 Aug 2025 02:58:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.578809
- Title: ECGTwin: Personalized ECG Generation Using Controllable Diffusion Model
- Title（参考訳）: ECGTwin:制御可能な拡散モデルを用いたパーソナライズECG生成
- Authors: Yongfan Lai, Bo Liu, Xinyan Guan, Qinghao Zhao, Hongyan Li, Shenda Hong,
- Abstract要約: これらの課題に対処するために設計された2段階のフレームワークであるECGTwinを紹介します。
第1段階では、対照的な学習を通じて訓練された個別ベースエクストラクタが、参照ECGから個人的特徴をしっかりとキャプチャする。
第2段階では、抽出された個々の特徴と対象心臓状態が拡散ベース生成プロセスに統合される。
- 参考スコア（独自算出の注目度）: 15.940566457895061
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personalized electrocardiogram (ECG) generation is to simulate a patient's ECG digital twins tailored to specific conditions. It has the potential to transform traditional healthcare into a more accurate individualized paradigm, while preserving the key benefits of conventional population-level ECG synthesis. However, this promising task presents two fundamental challenges: extracting individual features without ground truth and injecting various types of conditions without confusing generative model. In this paper, we present ECGTwin, a two-stage framework designed to address these challenges. In the first stage, an Individual Base Extractor trained via contrastive learning robustly captures personal features from a reference ECG. In the second stage, the extracted individual features, along with a target cardiac condition, are integrated into the diffusion-based generation process through our novel AdaX Condition Injector, which injects these signals via two dedicated and specialized pathways. Both qualitative and quantitative experiments have demonstrated that our model can not only generate ECG signals of high fidelity and diversity by offering a fine-grained generation controllability, but also preserving individual-specific features. Furthermore, ECGTwin shows the potential to enhance ECG auto-diagnosis in downstream application, confirming the possibility of precise personalized healthcare solutions.
- Abstract（参考訳）: パーソナライズド心電図(Personalized Electrocardiogram, ECG)は、患者のECGデジタル双生児を特定の状態に合わせてシミュレートすることである。
従来の人口レベルのECG合成の重要な利点を保ちながら、従来の医療をより正確な個別化パラダイムに転換する可能性がある。
しかし, この課題は, 基本的真理を伴わずに個々の特徴を抽出し, 生成モデルを混乱させることなく, 様々な条件を注入する,という2つの根本的な課題を提起する。
本稿では,これらの課題に対処するための2段階フレームワークであるECGTwinを提案する。
第1段階では、対照的な学習を通じて訓練された個別ベースエクストラクタが、参照ECGから個人的特徴をしっかりとキャプチャする。
第2段階では、抽出した個々の特徴と対象の心臓状態が、新しいAdaX Condition Injectorを通じて拡散ベースの生成プロセスに統合され、2つの専用および専用経路を介してこれらの信号が注入される。
定性的かつ定量的な実験により、我々のモデルは、微細な生成制御性を提供することにより、高忠実度および多様性のECG信号を生成できるだけでなく、個々の特徴を保存できることが実証された。
さらに、ECGTwinは、ダウンストリームアプリケーションにおけるECG自動診断を強化する可能性を示し、正確なパーソナライズされた医療ソリューションの可能性を確認する。
関連論文リスト
- Heartcare Suite: Multi-dimensional Understanding of ECG with Raw Multi-lead Signal Modeling [50.58126509704037]
医療スイート(Heartcare Suite)は、微細心電図(ECG)の理解のためのフレームワークである。
Heartcare-220Kは高品質で構造化され、包括的なマルチモーダルECGデータセットである。
Heartcare-Benchは、ECGシナリオにおける医療マルチモーダル大言語モデル(Med-MLLM)の最適化を導くためのベンチマークである。
論文 参考訳（メタデータ） (2025-06-06T07:56:41Z) - A Vector-Quantized Foundation Model for Patient Behavior Monitoring [43.02353546717171]
本稿では,スマートフォンやウェアラブルデバイスからの実世界のデータを処理するために設計されたベクトル量子化変分自動エンコーダを改良した基礎モデルを提案する。
本研究では, 個別の潜伏表現を利用して, 微調整を必要とせず, 2つの下流課題, 自殺リスク評価, 情緒的状態予測を効果的に実施した。
論文 参考訳（メタデータ） (2025-03-19T14:01:16Z) - GEM: Empowering MLLM for Grounded ECG Understanding with Time Series and Images [43.65650710265957]
GEMは,第1回MLLM統合ECG時系列,第12回リードECG画像,地上および臨床のECG解釈のためのテキストである。
GEMは、3つのコアイノベーションを通じて機能的解析、エビデンス駆動推論、および臨床医のような診断プロセスを可能にする。
基礎心電図理解におけるMLLMの能力を評価するために,臨床動機付けのベンチマークであるグラウンドドECGタスクを提案する。
論文 参考訳（メタデータ） (2025-03-08T05:48:53Z) - Generation of Drug-Induced Cardiac Reactions towards Virtual Clinical Trials [27.928421986311005]
ドラッグ・アウェア拡散モデル(英語版)(DADM)は、薬物誘発心電図(ECG)の変化をシミュレートする新しいモデルである。
EPKは、生成されたECGの形態を適応的に制約するために使用される。
ControlNetは、個々の薬物反応をシミュレートして、人口統計と薬物データを統合することを提案されている。
論文 参考訳（メタデータ） (2025-02-11T06:50:33Z) - SSSD-ECG-nle: New Label Embeddings with Structured State-Space Models for ECG generation [0.0]
拡散モデルは近年大きく進歩し、実際のモデルに匹敵するデータを合成する可能性を生み出している。
本稿では,SSSD-ECGに基づくSSSD-ECG-nleアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-07-15T16:31:25Z) - Personalized Heart Disease Detection via ECG Digital Twin Generation [12.652722066483172]
心臓病は世界的死亡の主な原因の1つである。
パーソナライズされた心臓疾患検出のための革新的な予測学習手法を提案する。
当社のアプローチは、患者のデータを保護し、堅牢なプライバシ保護を保証する。
論文 参考訳（メタデータ） (2024-04-17T08:40:54Z) - 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) - PulseNet: Deep Learning ECG-signal classification using random
augmentation policy and continous wavelet transform for canines [46.09869227806991]
犬心電図(ECG)の評価には熟練した獣医が必要である。
心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。
犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
論文 参考訳（メタデータ） (2023-05-17T09:06:39Z) - Text-to-ECG: 12-Lead Electrocardiogram Synthesis conditioned on Clinical
Text Reports [6.659609788411503]
本稿では,ECG出力を生成するためにテキスト入力を使用するテキスト・ツー・ECGタスクを提案する。
本稿では,12個の心電図を合成する自動回帰生成モデルAuto-TTEを提案する。
論文 参考訳（メタデータ） (2023-03-09T11:58:38Z) - ECGAN: Self-supervised generative adversarial network for
electrocardiography [11.460692362624533]
高品質な合成データは、バイオメディカルタスクのための効果的な予測モデルの開発を支援することができる。
これらの制限は、例えば不整脈に関する心電図データセットへのオープンアクセスに悪影響を及ぼす。
本研究は, 人工心電図時系列生成における自己監督的アプローチを導入する。
論文 参考訳（メタデータ） (2023-01-23T15:48:02Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z) - Generalizing electrocardiogram delineation: training convolutional
neural networks with synthetic data augmentation [63.51064808536065]
ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。
まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。
第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
論文 参考訳（メタデータ） (2021-11-25T10:11:41Z)
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。