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

• 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)
• 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。