論文の概要: Temporal Cardiovascular Dynamics for Improved PPG-Based Heart Rate Estimation

• arxiv url: http://arxiv.org/abs/2510.27297v1
• Date: Fri, 31 Oct 2025 09:12:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:16.044914
• Title: Temporal Cardiovascular Dynamics for Improved PPG-Based Heart Rate Estimation
• Title（参考訳）: 経時的心血管動態 : PPGによる心拍数推定の改善
• Authors: Berken Utku Demirel, Christian Holz,
• Abstract要約: 相互情報による心拍変動の非線形カオス挙動について検討した。 提案手法は,非線形時間的複雑性を数学的観点から扱う。 以上の結果から,提案手法の心拍数推定において最大40%の大幅な改善が得られた。
• 参考スコア（独自算出の注目度）: 35.715609556178165
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The oscillations of the human heart rate are inherently complex and non-linear -- they are best described by mathematical chaos, and they present a challenge when applied to the practical domain of cardiovascular health monitoring in everyday life. In this work, we study the non-linear chaotic behavior of heart rate through mutual information and introduce a novel approach for enhancing heart rate estimation in real-life conditions. Our proposed approach not only explains and handles the non-linear temporal complexity from a mathematical perspective but also improves the deep learning solutions when combined with them. We validate our proposed method on four established datasets from real-life scenarios and compare its performance with existing algorithms thoroughly with extensive ablation experiments. Our results demonstrate a substantial improvement, up to 40\%, of the proposed approach in estimating heart rate compared to traditional methods and existing machine-learning techniques while reducing the reliance on multiple sensing modalities and eliminating the need for post-processing steps.
• Abstract（参考訳）: 人間の心拍数の振動は本質的に複雑で非線形であり、数学的カオスによって最もよく説明される。 本研究では,相互情報による心拍変動の非線形的カオス挙動について検討し,実生活における心拍数推定を向上するための新しいアプローチを提案する。 提案手法は,非線形時間的複雑性を数学的観点から説明・処理するだけでなく,それらと組み合わせることで深層学習の解も改善する。 提案手法を実生活シナリオから確立した4つのデータセット上で検証し、その性能を既存のアルゴリズムと徹底的に比較し、広範囲なアブレーション実験を行った。 その結果、従来の手法や既存の機械学習手法と比較して、心拍数を最大40倍に向上すると同時に、複数のセンシングモードへの依存を低減し、後処理ステップの必要性を排除した。

関連論文リスト

• A Laplace diffusion-based transformer model for heart rate forecasting within daily activity context [0.0]
  本稿では,患者の身体活動によって引き起こされる心拍変動をモデル化するために,TransformerモデルとLaplace拡散法を組み合わせることを提案する。 このモデルは、コンテキスト化された埋め込みと専用エンコーダを組み込むことで、長期パターンと活動特異的心拍数ダイナミクスの両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-08-20T06:42:38Z)
• Taming Modern Point Tracking for Speckle Tracking Echocardiography via Impartial Motion [0.686108371431346]
  本研究は, 超音波検査における最先端点追跡法の可能性について検討し, 心エコー検査に焦点をあてる。 実際のBモード超音波ビデオにおいて心臓の周期を通しての運動を解析することにより、方向運動バイアスが既存のトレーニング戦略に影響を与えていることを同定する。 偏見を低減し, 心臓運動による一般化とロバスト性の向上を図った。
  論文  参考訳（メタデータ） (2025-07-14T10:18:26Z)
• 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)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Unsupervised 4D Cardiac Motion Tracking with Spatiotemporal Optical Flow Networks [7.920406261260867]
  本稿では、空間的再構成損失と時間的整合損失を伴って、教師なし光フローネットワークを設計する動作追跡手法を提案する。 提案する損失関数はペアワイズと時間的相関を利用してノイズ背景から心臓の動きを推定する。 我々の知る限り、これは4次元心運動追跡のための教師なしエンドツーエンドのディープラーニング光フローネットワークを用いた最初の研究である。
  論文  参考訳（メタデータ） (2024-07-05T17:18:46Z)
• Advanced Neural Network Architecture for Enhanced Multi-Lead ECG Arrhythmia Detection through Optimized Feature Extraction [0.0]
  不規則な心臓リズムを特徴とする不整脈は、深刻な診断課題を呈する。 本研究では,不整脈分類の複雑さに対処するために,ディープラーニング技術を活用した革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-13T19:56:15Z)
• Deep Learning for Automatic Strain Quantification in Arrhythmogenic Right Ventricular Cardiomyopathy [0.0]
  CMRIによる心臓運動の定量化は、不整脈性右室心筋症(ARVC)診断の不可欠な部分である。 Inlicit Neural Representations (INR) とディープラーニングを用いた心臓運動自動評価法を開発した。 以上の結果から,スライス間アライメントと超解像ボリュームの生成と,2つの心像の同時解析が相まって,登録性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-11-24T12:55:36Z)
• Real-time landmark detection for precise endoscopic submucosal dissection via shape-aware relation network [51.44506007844284]
  内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。 まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。 次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
  論文  参考訳（メタデータ） (2021-11-08T07:57:30Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)

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。