論文の概要: Robust Photoplethysmography Signal Denoising via Mamba Networks

• arxiv url: http://arxiv.org/abs/2510.11058v1
• Date: Mon, 13 Oct 2025 06:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.228789
• Title: Robust Photoplethysmography Signal Denoising via Mamba Networks
• Title（参考訳）: マンバネットワークを経由したロバスト光胸腺造影信号
• Authors: I Chiu, Yu-Tung Liu, Kuan-Chen Wang, Hung-Yu Wei, Yu Tsao,
• Abstract要約: 光胸腺撮影はウェアラブルの健康モニタリングに広く用いられているが、その信頼性はノイズやモーションアーティファクトによって劣化することが多い。 本稿では生理情報の保存に重点を置いたPSGの深層学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 19.081045818497127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photoplethysmography (PPG) is widely used in wearable health monitoring, but its reliability is often degraded by noise and motion artifacts, limiting downstream applications such as heart rate (HR) estimation. This paper presents a deep learning framework for PPG denoising with an emphasis on preserving physiological information. In this framework, we propose DPNet, a Mamba-based denoising backbone designed for effective temporal modeling. To further enhance denoising performance, the framework also incorporates a scale-invariant signal-to-distortion ratio (SI-SDR) loss to promote waveform fidelity and an auxiliary HR predictor (HRP) that provides physiological consistency through HR-based supervision. Experiments on the BIDMC dataset show that our method achieves strong robustness against both synthetic noise and real-world motion artifacts, outperforming conventional filtering and existing neural models. Our method can effectively restore PPG signals while maintaining HR accuracy, highlighting the complementary roles of SI-SDR loss and HR-guided supervision. These results demonstrate the potential of our approach for practical deployment in wearable healthcare systems.
• Abstract（参考訳）: Photoplethysmography (PPG) はウェアラブルの健康モニタリングに広く用いられているが、その信頼性はノイズやモーションアーティファクトによって劣化し、心拍数(HR)推定のような下流の応用を制限することがよくある。 本稿では生理情報の保存に重点を置いたPSGの深層学習フレームワークを提案する。 本稿では,マンバを基盤とした効率的な時間的モデリングのための記述バックボーンDPNetを提案する。 さらにデノナイジング性能を高めるために、このフレームワークは、波形の忠実性を促進するためにスケール不変の信号-歪み比(SI-SDR)損失と、HRベースの監督を通じて生理的整合性を提供する補助HR予測器(HRP)も組み込んでいる。 BIDMCデータセットを用いた実験により,本手法は合成ノイズと実世界の動作アーチファクトの両方に対して強い堅牢性を達成し,従来のフィルタリングや既存のニューラルモデルよりも優れた性能を示した。 本手法は、SI-SDR損失とHR誘導監視の相補的役割を強調しながら、HR精度を維持しつつ、PSG信号を効果的に復元することができる。 これらの結果は,ウェアラブル医療システムにおける実践的展開へのアプローチの可能性を示すものである。

関連論文リスト

• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
  カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。 本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:11:21Z)
• SPADE: Spectroscopic Photoacoustic Denoising using an Analytical and Data-free Enhancement Framework [11.207669560907187]
  sPA画像はノイズの影響を受けやすいため、信号対雑音比(SNR)が低く、画質が損なわれる。 フレーム平均化のような従来の denoising 技術は SNR の改善に有効だが、ダイナミックイメージングのシナリオでは実用的ではない。 本研究では,SPA画像のノイズ化のためのSPADEフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-16T18:42:05Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• Region-Disentangled Diffusion Model for High-Fidelity PPG-to-ECG Translation [29.706347050700867]
  Region-Disentangled Diffusion Modelは、ECG信号の複雑な時間的ダイナミクスをキャプチャする。 新しいモデルでは、PSGから10段階の拡散ステップで高忠実度ECGを生成することができる。 新しいモデルは生体信号領域におけるクロスモーダル信号-信号-信号間の最初の拡散モデルである。
  論文  参考訳（メタデータ） (2023-08-25T02:44:51Z)
• A Self-Supervised Algorithm for Denoising Photoplethysmography Signals for Heart Rate Estimation from Wearables [21.086951625740824]
  我々は,PPG信号の清浄な部分を保ちながら,信号の劣化部分を再構成するPPG信号を復調するアルゴリズムを開発した。 我々の新しいフレームワークは自己教師型トレーニングに依存しており、クリーンなPSG信号の大規模なデータベースを活用してデノナイズドオートエンコーダを訓練する。
  論文  参考訳（メタデータ） (2023-07-07T06:21:43Z)
• ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to Improve Segmentation Performance [61.04246102067351]
  本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。 実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-02T10:39:29Z)
• 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)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)

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。