論文の概要: NEF-NET+: Adapting Electrocardio panorama in the wild

• arxiv url: http://arxiv.org/abs/2511.02880v1
• Date: Tue, 04 Nov 2025 08:58:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.190942
• Title: NEF-NET+: Adapting Electrocardio panorama in the wild
• Title（参考訳）: NEF-NET+: 野生での心電図パノラマの適応
• Authors: Zehui Zhan, Yaojun Hu, Jiajing Zhan, Wanchen Lian, Wanqing Wu, Jintai Chen,
• Abstract要約: Nef-Netは連続した心電図を再構成するために導入され、任意の視点から心電図信号の仮想観察を可能にした。 本稿では,パノラマECG合成のための拡張フレームワークであるNEF-NET+について述べる。
• 参考スコア（独自算出の注目度）: 13.003607491171705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional multi-lead electrocardiogram (ECG) systems capture cardiac signals from a fixed set of anatomical viewpoints defined by lead placement. However, certain cardiac conditions (e.g., Brugada syndrome) require additional, non-standard viewpoints to reveal diagnostically critical patterns that may be absent in standard leads. To systematically overcome this limitation, Nef-Net was recently introduced to reconstruct a continuous electrocardiac field, enabling virtual observation of ECG signals from arbitrary views (termed Electrocardio Panorama). Despite its promise, Nef-Net operates under idealized assumptions and faces in-the-wild challenges, such as long-duration ECG modeling, robustness to device-specific signal artifacts, and suboptimal lead placement calibration. This paper presents NEF-NET+, an enhanced framework for realistic panoramic ECG synthesis that supports arbitrary-length signal synthesis from any desired view, generalizes across ECG devices, and com- pensates for operator-induced deviations in electrode placement. These capabilities are enabled by a newly designed model architecture that performs direct view transformation, incorporating a workflow comprising offline pretraining, device calibration tuning steps as well as an on-the-fly calibration step for patient-specific adaptation. To rigorously evaluate panoramic ECG synthesis, we construct a new Electrocardio Panorama benchmark, called Panobench, comprising 5367 recordings with 48-view per subject, capturing the full spatial variability of cardiac electrical activity. Experimental results show that NEF-NET+ delivers substantial improvements over Nef-Net, yielding an increase of around 6 dB in PSNR in real-world setting. The code and Panobench will be released in a subsequent publication.
• Abstract（参考訳）: 従来のマルチリード心電図(ECG)システムは、リード配置によって定義された固定された解剖学的視点から心臓信号を捕捉する。 しかし、特定の心臓状態(例えばブルーガダ症候群)は、標準的な鉛に欠如している可能性のある診断上重要なパターンを明らかにするために、追加の非標準的視点を必要とする。 この制限を体系的に克服するために、Nef-Netが最近導入され、心電図からの心電図信号の仮想的な観測を可能にした。 その約束にもかかわらず、Nef-Netは理想化された仮定の下で動作し、長期のECGモデリング、デバイス固有の信号アーチファクトに対する堅牢性、そして準最適鉛配置キャリブレーションといった、ワイルドな課題に直面している。 NEF-NET+は、任意の視点から任意の長さの信号合成をサポートし、ECGデバイスをまたがって一般化し、電極配置における演算子誘起偏差に対する複合ペンサートを提供する、現実的なパノラマECG合成のための拡張フレームワークである。 これらの機能は、オフライン事前トレーニング、デバイスキャリブレーションチューニングステップ、および患者固有の適応のためのオンザフライキャリブレーションステップを含むワークフローを組み込んだ、ダイレクトビュー変換を実行する、新しく設計されたモデルアーキテクチャによって実現されている。 パノラマ心電図の合成を厳密に評価するために,パノベッチ(Panobench)と呼ばれる新しい心電図ベンチマークを構築した。 実験の結果,NEF-NET+はNef-Netよりも大幅に改善され,PSNRでは約6dB増加した。 コードとPanobenchはその後の出版物でリリースされる予定だ。

関連論文リスト

• LifWavNet: Lifting Wavelet-based Network for Non-contact ECG Reconstruction from Radar [16.599277853699604]
  レーダ・ツー・ECG再構成のための多分解能解析合成(MRAS)モデルに基づくリフトウェーブレットネットワークLifWavNetを提案する。 評価の結果,LifWavNetは心電図再構成や下流のバイタルサイン推定において最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-10-31T17:59:58Z)
• Guidance for Intra-cardiac Echocardiography Manipulation to Maintain Continuous Therapy Device Tip Visibility [7.208458407211938]
  心内心エコー法(ICE)は電気生理学(EP)と構造心疾患(SHD)の介入において重要な役割を担っている。 治療器具先端の連続的な視認性を維持することは、手動ICEカテーテル操作に必要な頻繁な調整のため、依然として課題である。 本稿では,デバイス先端入射角とICE撮像面内の通過点を推定するAI駆動追跡モデルを提案する。
  論文  参考訳（メタデータ） (2025-05-08T02:48:30Z)
• EchoWorld: Learning Motion-Aware World Models for Echocardiography Probe Guidance [79.66329903007869]
  本稿では,プローブ誘導のためのモーションアウェアな世界モデリングフレームワークであるEchoWorldを紹介する。 解剖学的な知識と運動によって引き起こされる視覚力学を符号化する。 200以上の定期的なスキャンから100万枚以上の超音波画像で訓練されている。
  論文  参考訳（メタデータ） (2025-04-17T16:19:05Z)
• A CNN-based Local-Global Self-Attention via Averaged Window Embeddings for Hierarchical ECG Analysis [1.0844302367985357]
  本稿では,この制限に対処するため,新しいLGA(Local-Global Attention ECG)モデルを提案する。 提案手法は,重なり合う畳み込みウィンドウから得られる埋め込みを平均化することでクエリを抽出する。 CODE-15データセットで行った実験は、LGA-ECGが最先端モデルより優れていることを示した。
  論文  参考訳（メタデータ） (2025-04-13T01:21:18Z)
• ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
  ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。 我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2024-09-19T06:14:30Z)
• Multi-view Hybrid Graph Convolutional Network for Volume-to-mesh Reconstruction in Cardiovascular MRI [43.47826598981827]
  画像間直接抽出のための新しいアーキテクチャであるHybridVNetを紹介する。 グラフ構造として符号化することで,表面および体積メッシュを効率的に処理できることを示す。 我々のモデルは、従来の畳み込みネットワークと変分グラフ生成モデル、深い監督とメッシュ固有の正規化を組み合わせたものです。
  論文  参考訳（メタデータ） (2023-11-22T21:51:29Z)
• PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
  犬心電図(ECG)の評価には熟練した獣医が必要である。 心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。 犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
  論文  参考訳（メタデータ） (2023-05-17T09:06:39Z)
• HeartBEiT: Vision Transformer for Electrocardiogram Data Improves Diagnostic Performance at Low Sample Sizes [28.88454028731653]
  心電図波形解析のための第1の視覚ベーストランスモデルHeartBEiTを開発した。 その結果,HeartBEiTは,他のモデルに比べて試料サイズが小さく,高い性能を示した。 また、HeartBEiTは、EKGと標準CNNの生物学的関連領域を強調することにより、診断の説明可能性を向上させることを示した。
  論文  参考訳（メタデータ） (2022-12-13T16:39:21Z)
• ME-GAN: Learning Panoptic Electrocardio Representations for Multi-view ECG Synthesis Conditioned on Heart Diseases [24.52989747071257]
  本稿では,ME-GAN と呼ばれる多視点心電図合成のための疾患認識型生成対向ネットワークを提案する。 心臓疾患の心電図は特定の波形に局所化されることが多いため,適切な場所に病情報を正確に注入する「ミックスアップ正規化」を提案する。 総合的な実験により,ME-GANは多視点ECG信号合成において信頼性の高いモルビッド表現を用いて良好に機能することが確認された。
  論文  参考訳（メタデータ） (2022-07-21T14:14:02Z)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。