論文の概要: Wav2Arrest 2.0: Long-Horizon Cardiac Arrest Prediction with Time-to-Event Modeling, Identity-Invariance, and Pseudo-Lab Alignment

• arxiv url: http://arxiv.org/abs/2509.21695v1
• Date: Thu, 25 Sep 2025 23:46:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.07333
• Title: Wav2Arrest 2.0: Long-Horizon Cardiac Arrest Prediction with Time-to-Event Modeling, Identity-Invariance, and Pseudo-Lab Alignment
• Title（参考訳）: Wav2Arrest 2.0: 時間とイベントのモデリング、アイデンティティ不変性、擬似型アライメントによる長距離心停止予測
• Authors: Saurabh Kataria, Davood Fattahi, Minxiao Wang, Ran Xiao, Matthew Clark, Timothy Ruchti, Mark Mai, Xiao Hu,
• Abstract要約: 高周波生理学的波形モダリティは、患者の状態に対する深いリアルタイムな洞察を提供する。 近年、心臓発作を含む重要な事象を予測するための生理学的基礎モデルが示されている。 最小限の補助情報を用いてPSGのみのCAシステムを改善するための3つの改良点を提案する。
• 参考スコア（独自算出の注目度）: 5.706374608871095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-frequency physiological waveform modality offers deep, real-time insights into patient status. Recently, physiological foundation models based on Photoplethysmography (PPG), such as PPG-GPT, have been shown to predict critical events, including Cardiac Arrest (CA). However, their powerful representation still needs to be leveraged suitably, especially when the downstream data/label is scarce. We offer three orthogonal improvements to improve PPG-only CA systems by using minimal auxiliary information. First, we propose to use time-to-event modeling, either through simple regression to the event onset time or by pursuing fine-grained discrete survival modeling. Second, we encourage the model to learn CA-focused features by making them patient-identity invariant. This is achieved by first training the largest-scale de-identified biometric identification model, referred to as the p-vector, and subsequently using it adversarially to deconfound cues, such as person identity, that may cause overfitting through memorization. Third, we propose regression on the pseudo-lab values generated by pre-trained auxiliary estimator networks. This is crucial since true blood lab measurements, such as lactate, sodium, troponin, and potassium, are collected sparingly. Via zero-shot prediction, the auxiliary networks can enrich cardiac arrest waveform labels and generate pseudo-continuous estimates as targets. Our proposals can independently improve the 24-hour time-averaged AUC from the 0.74 to the 0.78-0.80 range. We primarily improve over longer time horizons with minimal degradation near the event, thus pushing the Early Warning System research. Finally, we pursue multi-task formulation and diagnose it with a high gradient conflict rate among competing losses, which we alleviate via the PCGrad optimization technique.
• Abstract（参考訳）: 高周波生理学的波形モダリティは、患者の状態に対する深いリアルタイムな洞察を提供する。 近年, PPG-GPT などの光胸腺撮影 (PPG) に基づく生理基盤モデルが, 心停止 (CA) を含む重要な事象を予測できることが示されている。 しかし、特に下流のデータ/ラベルが不足している場合には、その強力な表現を適切に活用する必要がある。 最小限の補助情報を用いてPSGのみのCAシステムを改善するための3つの直交的改善を提供する。 まず、イベントの開始時刻への単純な回帰や、きめ細かい離散的サバイバルモデリングにより、時間からイベントまでのモデリングを提案する。 第2に、患者同一性を不変にすることで、CAに焦点を当てた特徴を学習することを奨励する。 これは、まず、p-ベクターと呼ばれる最も大規模な非識別バイオメトリック識別モデルを訓練し、その後、暗記による過度な適合を引き起こす人物の身元などの不明瞭な手がかりに逆向きに使用することによって達成される。 第3に,事前学習した補助推定器ネットワークが生成する擬似ラブ値の回帰を提案する。 乳酸、ナトリウム、トロポニン、カリウムなどの真の血液検査が頻繁に収集されるため、これは極めて重要である。 ゼロショット予測により、補助ネットワークは心停止波形ラベルを豊かにし、ターゲットとして擬似連続推定を生成することができる。 提案手法は平均24時間AUCを0.74から0.78-0.80の範囲に独立に改善することができる。 我々は主に、イベント付近で最小限の劣化を伴って、より長い時間的地平線を改善するため、早期警戒システムの研究を推し進める。 最後に、マルチタスクの定式化を追求し、競合する損失の間で高い勾配の衝突率で診断し、PCGrad最適化手法により緩和する。

関連論文リスト

• Parameterized Diffusion Optimization enabled Autoregressive Ordinal Regression for Diabetic Retinopathy Grading [53.11883409422728]
  本研究は, AOR-DRと呼ばれる新しい自己回帰的順序回帰法を提案する。 我々は,糖尿病網膜症分類タスクを,前ステップの予測と抽出画像の特徴を融合させることにより,一連の順序段階に分解する。 拡散過程を利用して条件付き確率モデリングを行い、連続的グローバルな画像特徴を自己回帰に利用できるようにする。
  論文  参考訳（メタデータ） (2025-07-07T13:22:35Z)
• ArrhythmiaVision: Resource-Conscious Deep Learning Models with Visual Explanations for ECG Arrhythmia Classification [0.0]
  本稿では,エッジデバイス上での効率的なリアルタイム不整脈分類に最適化されたArrhythmiNet V1とV2を提案する。 MobileNetの深い分離可能な畳み込み設計にインスパイアされたこれらのモデルは、それぞれ302.18KBと157.76KBのメモリフットプリントを維持している。 本研究は, 実用, ウェアラブル, 組込みECGモニタリングシステムにおいて, 解釈可能性, 予測精度, 計算効率の両立の可能性を示すものである。
  論文  参考訳（メタデータ） (2025-04-30T18:22:45Z)
• Continuous Cardiac Arrest Prediction in ICU using PPG Foundation Model [6.469423282286416]
  急性の健康イベントの追跡と予測のための非侵襲的な患者モニタリングは、新たな研究分野である。 深達度表現のみを用いたICU患者のIHCA予測結果について報告する。 また,潜在空間における患者の健康軌道のアーキテクチャチューニングとPaCMAP可視化を通じて,モデル全体を包括的に分析する。
  論文  参考訳（メタデータ） (2025-02-12T18:01:04Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality [39.476378833827184]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 時空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、AUCスコアが5.8%改善し、トレーニング時間が4.62倍速く、既存の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• 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)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• Ischemic Stroke Lesion Prediction using imbalanced Temporal Deep Gaussian Process (iTDGP) [2.649401887836554]
  急性虚血性脳卒中(AIS)は、動脈閉塞により突然脳への血液供給が中断されたときに起こる。 CT(Computed Tomography Perfusion)画像から抽出した3次元計測マップをしきい値として評価する現在の標準AIS評価法は十分ではない。 ベースラインガウス時系列を用いてAIS予測を改善する確率モデルであるiTDGPを提案する。
  論文  参考訳（メタデータ） (2022-11-16T17:32:29Z)
• 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。