論文の概要: CLARAE: Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of Intracardiac Electrograms
- arxiv url: http://arxiv.org/abs/2510.17821v1
- Date: Sun, 28 Sep 2025 20:39:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-26 16:57:26.488477
- Title: CLARAE: Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of Intracardiac Electrograms
- Title（参考訳）: CLARAE:Clarity Preserving Reconstruction AutoEncoder for Denoising and Rhythm Classification of intracardiac Electrograms
- Authors: Long Lin, Pablo Peiro-Corbacho, Pablo Ávila, Alejandro Carta-Bergaz, Ángel Arenal, Gonzalo R. Ríos-Muñoz, Carlos Sevilla-Salcedo,
- Abstract要約: CLARAEは1次元エンコーダデコーダである。
高忠実度再構成とコンパクトな64次元潜在表現を実現する。
- 参考スコア（独自算出の注目度）: 37.042025337065816
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Intracavitary atrial electrograms (EGMs) provide high-resolution insights into cardiac electrophysiology but are often contaminated by noise and remain high-dimensional, limiting real-time analysis. We introduce CLARAE (CLArity-preserving Reconstruction AutoEncoder), a one-dimensional encoder--decoder designed for atrial EGMs, which achieves both high-fidelity reconstruction and a compact 64-dimensional latent representation. CLARAE is designed to preserve waveform morphology, mitigate reconstruction artifacts, and produce interpretable embeddings through three principles: downsampling with pooling, a hybrid interpolation--convolution upsampling path, and a bounded latent space. We evaluated CLARAE on 495,731 EGM segments (unipolar and bipolar) from 29 patients across three rhythm types (AF, SR300, SR600). Performance was benchmarked against six state-of-the-art autoencoders using reconstruction metrics, rhythm classification, and robustness across signal-to-noise ratios from -5 to 15 dB. In downstream rhythm classification, CLARAE achieved F1-scores above 0.97 for all rhythm types, and its latent space showed clear clustering by rhythm. In denoising tasks, it consistently ranked among the top performers for both unipolar and bipolar signals. In order to promote reproducibility and enhance accessibility, we offer an interactive web-based application. This platform enables users to explore pre-trained CLARAE models, visualize the reconstructions, and compute metrics in real time. Overall, CLARAE combines robust denoising with compact, discriminative representations, offering a practical foundation for clinical workflows such as rhythm discrimination, signal quality assessment, and real-time mapping.
- Abstract（参考訳）: 心房内心電図(EGM)は心電気生理学の高精細な知見を提供するが、しばしばノイズによって汚染され、高次元のままであり、リアルタイム分析を制限している。
CLARAE(CLArity-serving Reconstruction AutoEncoder)は,高忠実度再構成とコンパクトな64次元潜伏表現を実現する1次元エンコーダデコーダである。
CLARAEは波形形態を保存し、再構成アーティファクトを緩和し、プールでのダウンサンプリング、ハイブリッド補間-畳み込みアップサンプリングパス、有界潜在空間という3つの原則を通じて解釈可能な埋め込みを生成するように設計されている。
495,731個のERGセグメント(単極性,双極性)のCLARAEを3種類のリズムタイプ(AF,SR300,SR600)で測定した。
信号と雑音の比を5～15dBで比較し, 再現率, リズム分類, 頑健性を用いて6つの最先端オートエンコーダを比較検討した。
下流リズム分類では、CLARAEは全てのリズムタイプに対して0.97以上のF1スコアを獲得し、その潜在空間はリズムによる明確なクラスタリングを示した。
装飾作業では、一極性信号と双極性信号の両方のトップパフォーマーに一貫してランクインした。
再現性を向上し、アクセシビリティを高めるために、インタラクティブなWebベースアプリケーションを提供する。
このプラットフォームでは、事前トレーニングされたCLARAEモデルを探索し、再構築を視覚化し、メトリクスをリアルタイムで計算することができる。
CLARAEは、ロバストな装飾と、コンパクトで差別的な表現を組み合わせることで、リズム判別、信号品質評価、リアルタイムマッピングなどの臨床ワークフローの実践的な基盤を提供する。
関連論文リスト
- Moving Beyond Functional Connectivity: Time-Series Modeling for fMRI-Based Brain Disorder Classification [8.837732238971187]
機能的磁気共鳴イメージング(fMRI)は、血液酸素レベル依存(BOLD)シグナルをキャプチャすることで、非侵襲的な脳障害の分類を可能にする。
既存のほとんどの手法はピアソン相関による機能接続(FC)に依存している。
5つの公開データセットにまたがる生のBOLD信号に関する最先端の時間モデルをベンチマークする。
論文 参考訳（メタデータ） (2026-02-09T04:42:42Z) - DINO-SAE: DINO Spherical Autoencoder for High-Fidelity Image Reconstruction and Generation [47.409626500688866]
本稿では,DINO Spherical Autoencoder(DINO-SAE)について述べる。
提案手法は, 既修のVFMと強いセマンティックアライメントを維持しつつ, 0.37 rFID と 26.2 dB PSNR に到達し, 最先端の再現性を実現する。
論文 参考訳（メタデータ） (2026-01-30T12:25:34Z) - EndoIR: Degradation-Agnostic All-in-One Endoscopic Image Restoration via Noise-Aware Routing Diffusion [46.28090293978096]
内視鏡画像はしばしば、低照度、煙、出血などの多彩で共起的な劣化に悩まされる。
既存の復元方法は一般にタスク固有であり、しばしば分解型の事前知識を必要とする。
単一モデルを用いて複数の劣化型を復元する,劣化非依存拡散に基づくフレームワークであるEndoIRを提案する。
論文 参考訳（メタデータ） (2025-11-08T06:17:51Z) - Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。
STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
論文 参考訳（メタデータ） (2025-10-15T14:18:03Z) - Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses [24.039917512972977]
単純性バイアス(Simplicity Bias, SB)として知られる細粒度だが臨床的に重要な手がかりを見越して, 支配的かつ反復的なパターンに適合する傾向を示した。
本稿では,1)ECG信号の動的特性を反映した時間周波数特性を捉えるための時間周波数対応フィルタと,2)2つの領域をまたいだ粗い表現学習のための多言語プロトタイプ再構成と,さらにSBを緩和する手法を提案する。
論文 参考訳（メタデータ） (2025-06-25T03:25:49Z) - Segmenting Bi-Atrial Structures Using ResNext Based Framework [3.0838948803252904]
左心房(LA)と右心房(RA)の完全自動セグメンテーションのための新しい2段階ディープラーニングフレームワークTASSNetを提案する。
TASSNetは、(i)限られた医療データセットからの特徴抽出を強化するResNeXtベースのエンコーダ、(ii)高度に不均衡な小さな3Dセグメンテーションタスクにおける収束不安定に対処するための循環学習率スケジュールの2つの主要なイノベーションを紹介している。
論文 参考訳（メタデータ） (2025-02-28T10:23:12Z) - CEReBrO: Compact Encoder for Representations of Brain Oscillations Using Efficient Alternating Attention [46.47343031985037]
交互注意(CEReBrO)を用いた脳振動の表現のための圧縮法について紹介する。
トークン化方式は、チャネルごとのパッチで脳波信号を表現します。
本研究では,チャネル内時間的ダイナミックスとチャネル間空間的相関を共同でモデル化し,通常の自己アテンションに比べて6倍少ないメモリで2倍の速度向上を実現するための注意機構を提案する。
論文 参考訳（メタデータ） (2025-01-18T21:44:38Z) - Comparison of Autoencoder Encodings for ECG Representation in Downstream Prediction Tasks [2.2616169634370076]
自動エンコーダ(SAE)、Annealed beta-VAE(Abeta-VAE)、Cbeta-VAE(Cbeta-VAE)の3種類の新しい変分自動エンコーダ(VAE)を導入した。
アベタVAEは、信号ノイズのレベルである平均絶対誤差(MAE)を15.7プラス3.2マイクロボルトに減らした。
以上の結果から,これらのVAE符号化はECGデータの簡易化だけでなく,限られたラベル付き学習データを用いた文脈での深層学習の実践的解決にも有効であることが示唆された。
論文 参考訳（メタデータ） (2024-10-03T19:30:05Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z) - Low-complexity deep learning frameworks for acoustic scene
classification [64.22762153453175]
音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。
提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。
DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
論文 参考訳（メタデータ） (2022-06-13T11:41:39Z) - Conditioning Trick for Training Stable GANs [70.15099665710336]
本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。
我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
論文 参考訳（メタデータ） (2020-10-12T16:50:22Z)
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。