論文の概要: FHRFormer: A Self-supervised Transformer Approach for Fetal Heart Rate Inpainting and Forecasting

• arxiv url: http://arxiv.org/abs/2509.20852v1
• Date: Thu, 25 Sep 2025 07:40:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.761753
• Title: FHRFormer: A Self-supervised Transformer Approach for Fetal Heart Rate Inpainting and Forecasting
• Title（参考訳）: FHRFormer:胎児の心拍数変化と予測のための自己教師型トランスフォーマーアプローチ
• Authors: Kjersti Engan, Neel Kanwal, Anita Yeconia, Ladislaus Blacy, Yuda Munyaw, Estomih Mduma, Hege Ersdal,
• Abstract要約: 胎児心拍数(FHR)モニタリングは、出生前医療における胎児の健康を評価する上で重要な役割を担っている。 人工知能(AI)手法を適用して、持続的なFHR監視エピソードの大規模なデータセットを分析することで、呼吸補助や介入を必要とするリスクを予測する新たな洞察が得られるかもしれない。 マスク付きトランスフォーマーを用いたオートエンコーダ手法を提案し, 空間成分と周波数成分の両方を捕捉することにより, 欠落したFHR信号を再構成する。
• 参考スコア（独自算出の注目度）: 0.34202935599316514
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Approximately 10\% of newborns require assistance to initiate breathing at birth, and around 5\% need ventilation support. Fetal heart rate (FHR) monitoring plays a crucial role in assessing fetal well-being during prenatal care, enabling the detection of abnormal patterns and supporting timely obstetric interventions to mitigate fetal risks during labor. Applying artificial intelligence (AI) methods to analyze large datasets of continuous FHR monitoring episodes with diverse outcomes may offer novel insights into predicting the risk of needing breathing assistance or interventions. Recent advances in wearable FHR monitors have enabled continuous fetal monitoring without compromising maternal mobility. However, sensor displacement during maternal movement, as well as changes in fetal or maternal position, often lead to signal dropouts, resulting in gaps in the recorded FHR data. Such missing data limits the extraction of meaningful insights and complicates automated (AI-based) analysis. Traditional approaches to handle missing data, such as simple interpolation techniques, often fail to preserve the spectral characteristics of the signals. In this paper, we propose a masked transformer-based autoencoder approach to reconstruct missing FHR signals by capturing both spatial and frequency components of the data. The proposed method demonstrates robustness across varying durations of missing data and can be used for signal inpainting and forecasting. The proposed approach can be applied retrospectively to research datasets to support the development of AI-based risk algorithms. In the future, the proposed method could be integrated into wearable FHR monitoring devices to achieve earlier and more robust risk detection.
• Abstract（参考訳）: 新生児の約10%は出生時に呼吸を開始するのに補助を必要とし、約5%は換気支援を必要とする。 胎児心拍数(FHR)モニタリングは、出生前医療における胎児の健康状態を評価する上で重要な役割を担い、異常パターンの検出と、労働中の胎児のリスクを軽減するためのタイムリーな産科的介入を支援する。 人工知能(AI)手法を適用して、持続的なFHR監視エピソードの大規模なデータセットをさまざまな結果で分析することで、呼吸補助や介入を必要とするリスクを予測する新たな洞察を得ることができる。 ウェアラブルFHRモニターの最近の進歩は、母体移動性を損なうことなく、継続的な胎児モニタリングを可能にしている。 しかし、母体運動中のセンサーの変位や胎児や母体の位置の変化は、しばしば信号の低下を招き、記録されたFHRデータにギャップをもたらす。 このような欠落したデータは、意味のある洞察の抽出を制限し、自動(AIベースの)分析を複雑化する。 単純な補間技法のような欠落データを扱う従来の手法は、しばしば信号のスペクトル特性を保存するのに失敗する。 本稿では,FHR信号の空間的・周波数的要素を捕捉し,FHR信号の再構成を行うマスクトランスフォーマーを用いたオートエンコーダを提案する。 提案手法は、欠落したデータの様々な期間にわたるロバスト性を示し、信号の塗布と予測に使用できる。 提案手法は、AIベースのリスクアルゴリズムの開発を支援するために、研究データセットに振り返って適用することができる。 将来的には、より早期かつ堅牢なリスク検出を実現するために、ウェアラブルなFHR監視装置に統合される可能性がある。

関連論文リスト

• Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
  MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。 IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。 この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
  論文  参考訳（メタデータ） (2026-02-13T13:28:22Z)
• Neural Architecture for Fast and Reliable Coagulation Assessment in Clinical Settings: Leveraging Thromboelastography [11.141462411413059]
  リアルタイム凝固モニタリングは、早期発見とリスクの即時修復を可能にする。 従来のトロンボエラストグラフィー(TEG)は、1時間近く測定した後にしかそのような出力が得られない。 本稿では,個人間の動的変化のアドバンテージを考慮に入れた新しいアルゴリズムPSRを提案する。
  論文  参考訳（メタデータ） (2026-01-12T15:03:53Z)
• FDP: A Frequency-Decomposition Preprocessing Pipeline for Unsupervised Anomaly Detection in Brain MRI [44.4791295950757]
  我々は脳MRIのための教師なし異常検出(UAD)アプローチを開発した。 病的シグネチャの最初の系統的周波数領域解析を行う。 周波数分割前処理(FDP)フレームワークは,周波数領域再構成を同時に行うことで,病態の抑制と解剖学的保存を同時に行うことができることを示す。
  論文  参考訳（メタデータ） (2025-11-17T02:40:14Z)
• Towards Objective Obstetric Ultrasound Assessment: Contrastive Representation Learning for Fetal Movement Detection [11.146143798185927]
  胎児運動分析のための自己教師型学習フレームワークであるContrastive Ultrasound Video Representation Learning (CURL)を提案する。 CURLの感度は78.01%、AUROCは81.60%であり、信頼性と客観的なFM分析の可能性を示している。
  論文  参考訳（メタデータ） (2025-10-23T05:03:23Z)
• Overlap-weighted orthogonal meta-learner for treatment effect estimation over time [90.46786193198744]
  ヘテロジニアス治療効果(HTE)を推定するための新しい重み付きメタラーナーを提案する。 我々のWO-Larnerは、ノイマン直交性(Neyman-orthogonality)の好ましい性質を持ち、ニュアンス関数の誤特定に対して堅牢である。 我々のWO-learnerは完全にモデルに依存しず、あらゆる機械学習モデルに適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-10-22T14:47:57Z)
• AGE-US: automated gestational age estimation based on fetal ultrasound images [0.695054745486515]
  少なからぬ出生は、新生児死亡率の増加や、将来の心臓病の可能性が高まるなど、重大な健康リスクをもたらす。 本研究では,自動妊娠年齢計算のための解釈可能な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-06-19T12:15:06Z)
• Auto-FEDUS: Autoregressive Generative Modeling of Doppler Ultrasound Signals from Fetal Electrocardiograms [3.1295375129864644]
  胎児心電図(FECG)信号を対応するDUS波形(Auto-FEDUS)にマッピングするための新しい自己回帰生成モデルを提案する。 拡張因果畳み込みに基づくニューラル・テンポラル・ネットワークを活用することで、このモデルは、信号内の短距離および長距離の依存関係を効果的にキャプチャし、生成されたデータの完全性を維持する。 クロスオブジェクト実験により、Auto-FEDUSは時間領域と周波数領域の両方で従来の生成アーキテクチャよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-04-17T15:25:52Z)
• A Vector-Quantized Foundation Model for Patient Behavior Monitoring [41.48188433408574]
  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)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• Dynamic Gaussian Splatting from Markerless Motion Capture can Reconstruct Infants Movements [2.44755919161855]
  本研究は,多様な臨床集団に適用可能な高度な運動分析ツールの道を開くものである。 マーカーレスモーションキャプチャーデータに対する動的ガウススプラッティングの適用について検討した。 以上の結果から,この手法が乳幼児の情景を表現し,乳幼児の動きを追跡できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-30T11:09:39Z)
• 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)
• ImDiffusion: Imputed Diffusion Models for Multivariate Time Series Anomaly Detection [44.21198064126152]
  我々はImDiffusionという新しい異常検出フレームワークを提案する。 ImDiffusionは時系列計算と拡散モデルを組み合わせて、正確で堅牢な異常検出を実現する。 我々はImDiffusionの性能をベンチマークデータセットの広範な実験により評価する。
  論文  参考訳（メタデータ） (2023-07-03T04:57:40Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Detection of preventable fetal distress during labor from scanned cardiotocogram tracings using deep learning [0.0]
  労働・納入における広範な適用にもかかわらず、電子胎児モニタリング(EFM)の価値についてかなりの議論が続いている。 EFMは胎児の心拍数(FHR)パターンを母性子宮収縮とともに監視する。 本研究は、先天的または過去の胎児傷害の訓練および検出のためのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-01T16:40:50Z)
• Identification of deep breath while moving forward based on multiple body regions and graph signal analysis [45.62293065676075]
  本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-20T08:26:50Z)

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。