論文の概要: Autoencoder-Based Denoising of Muscle Artifacts in ECG to Preserve Skin Nerve Activity (SKNA) for Cognitive Stress Detection

• arxiv url: http://arxiv.org/abs/2509.07146v1
• Date: Mon, 08 Sep 2025 18:51:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-10 14:38:27.089189
• Title: Autoencoder-Based Denoising of Muscle Artifacts in ECG to Preserve Skin Nerve Activity (SKNA) for Cognitive Stress Detection
• Title（参考訳）: 心電図における自己エンコーダによる筋アーティファクトの認知的ストレス検出のための皮膚神経活動(SKNA)の保存
• Authors: Farnoush Baghestani, Jihye Moon, Youngsun Kong, Ki Chon,
• Abstract要約: 高周波心電図(ECG)記録から抽出した皮膚神経活動(SKNA)はSNSのダイナミックスに非侵襲的な窓を提供する。 従来の前処理は、EMGとSKNAのスペクトル成分の重なりがちである。 本稿では,長期記憶ボトルネックを有する軽量な1次元畳み込みオートエンコーダ(LSTM)を用いたデノナイズ手法を提案する。
• 参考スコア（独自算出の注目度）: 2.9710010895451746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The sympathetic nervous system (SNS) plays a central role in regulating the body's responses to stress and maintaining physiological stability. Its dysregulation is associated with a wide range of conditions, from cardiovascular disease to anxiety disorders. Skin nerve activity (SKNA) extracted from high-frequency electrocardiogram (ECG) recordings provides a noninvasive window into SNS dynamics, but its measurement is highly susceptible to electromyographic (EMG) contamination. Traditional preprocessing based on bandpass filtering within a fixed range (e.g., 500--1000 Hz) is susceptible to overlapping EMG and SKNA spectral components, especially during sustained muscle activity. We present a denoising approach using a lightweight one-dimensional convolutional autoencoder with a long short-term memory (LSTM) bottleneck to reconstruct clean SKNA from EMG-contaminated recordings. Using clean ECG-derived SKNA data from cognitive stress experiments and EMG noise from chaotic muscle stimulation recordings, we simulated contamination at realistic noise levels (--4 dB, --8 dB signal-to-noise ratio) and trained the model in the leave-one-subject-out cross-validation framework. The method improved signal-to-noise ratio by up to 9.65 dB, increased cross correlation with clean SKNA from 0.40 to 0.72, and restored burst-based SKNA features to near-clean discriminability (AUROC $\geq$ 0.96). Classification of baseline versus sympathetic stimulation (cognitive stress) conditions reached accuracies of 91--98\% across severe noise levels, comparable to clean data. These results demonstrate that deep learning--based reconstruction can preserve physiologically relevant sympathetic bursts during substantial EMG interference, enabling more robust SKNA monitoring in naturalistic, movement-rich environments.
• Abstract（参考訳）: 交感神経系(SNS)は、ストレスに対する身体の反応を調節し、生理的安定性を維持する上で中心的な役割を果たす。 ジスレギュレーションは、心血管疾患から不安障害まで幅広い疾患と関連している。 高周波心電図(ECG)記録から抽出した皮膚神経活動(SKNA)は、SNSのダイナミックスに非侵襲的な窓を提供するが、その測定は筋電図(EMG)汚染に非常に敏感である。 固定範囲(例えば500-1000Hz)における帯域通過フィルタリングに基づく従来の前処理は、筋活動の持続において、EMGとSKNAのスペクトル成分の重なりがちである。 長寿命メモリ(LSTM)ボトルネックを有する軽量一次元畳み込みオートエンコーダを用いて,EMG汚染記録からクリーンなSKNAを再構成する手法を提案する。 認知ストレス実験から得られたクリーンECG由来のSKNAデータとカオス筋刺激記録からのEMGノイズを用いて、現実的な騒音レベル(−-4dB, --8dB信号-雑音比)における汚染をシミュレートし、そのモデルを1対1のクロスバリデーション・フレームワークで訓練した。 この方法は、信号-雑音比を最大9.65dB向上させ、クリーンSKNAとの交差相関を0.40から0.72に引き上げ、バーストベースのSKNA特性をほぼクリーンな識別性(AUROC $\geq$ 0.96)に復元した。 ベースラインと交感神経刺激(認知的ストレス)条件の分類は、クリーンデータに匹敵する重度のノイズレベルにおいて91～98%の精度に達した。これらの結果は、深層学習に基づく再建が、筋電図干渉によって生理的関連性交感神経破裂を保存し、より堅牢なSKNAモニタリングを可能にすることを示している。

関連論文リスト

• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• 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)
• Wavelet Integrated Convolutional Neural Network for ECG Signal Denoising [1.565361244756411]
  ドライ電極を用いたウェアラブル心電図(ECG)測定は、高強度ノイズ歪みに問題がある。 本研究では、クリーンECGの特定の周波数特徴を抽出するウェーブレット変換層を付加した畳み込みニューラルネットワーク(CNN)モデルを提案する。 実験の結果,提案手法は全ての周波数領域を考慮し,ノイズを低減した正確なECGの挙動を効果的に予測できることが確認された。
  論文  参考訳（メタデータ） (2025-01-12T06:18:46Z)
• Towards Continuous Skin Sympathetic Nerve Activity Monitoring: Removing Muscle Noise [2.1936687644617625]
  本研究では,SKNA記録から筋ノイズを検出し除去するディープ畳み込みニューラルネットワーク(CNN)を提案する。 健常者12名を対象に, 認知的ストレス誘発と随意筋運動に関するコントロール実験を行った。 データセグメントのスペクトログラムに基づいて2次元CNNモデルを訓練し、それらをベースライン、ストレス誘発性SKNA、および筋ノイズ汚染期間に分類した。
  論文  参考訳（メタデータ） (2024-10-26T04:10:14Z)
• 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)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• 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)
• A Regularization Method to Improve Adversarial Robustness of Neural Networks for ECG Signal Classification [1.8579693774597703]
  心電図(Electrocardiogram、ECG)は、ヒトの心臓の状態をモニターする最も広く用いられる診断ツールである。 ECG信号のディープニューラルネットワーク(DNN)解釈は、患者の心臓の潜在的な異常を1秒で識別するために完全に自動化することができる。 DNNは、DNNの入力に微妙な変化をもたらす敵の雑音に対して非常に脆弱であり、間違ったクラスラベル予測をもたらす可能性がある。 本稿では,ECG信号分類の適用のために,ノイズ-信号比(NSR)の観点から頑健性を改善するための正規化手法を提案する。
  論文  参考訳（メタデータ） (2021-10-19T06:22:02Z)

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。