論文の概要: Hybrid Modeling of Photoplethysmography for Non-invasive Monitoring of Cardiovascular Parameters

• arxiv url: http://arxiv.org/abs/2511.14452v1
• Date: Tue, 18 Nov 2025 12:56:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.11887
• Title: Hybrid Modeling of Photoplethysmography for Non-invasive Monitoring of Cardiovascular Parameters
• Title（参考訳）: 心血管パラメータの非侵襲的モニタリングのための光胸腺撮影のハイブリッドモデリング
• Authors: Emanuele Palumbo, Sorawit Saengkyongam, Maria R. Cervera, Jens Behrmann, Andrew C. Miller, Guillermo Sapiro, Christina Heinze-Deml, Antoine Wehenkel,
• Abstract要約: PPG信号から直接心血管バイオマーカーを推定するために,血行動態シミュレーションと未ラベル臨床データを用いたハイブリッドアプローチを提案する。 実験により, 本手法は心臓出力と脳卒中容積の変動を検知し, 生体マーカーの経時的変化を監視する上で, 教師付きベースラインより優れていることが示された。
• 参考スコア（独自算出の注目度）: 14.533134396587775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous cardiovascular monitoring can play a key role in precision health. However, some fundamental cardiac biomarkers of interest, including stroke volume and cardiac output, require invasive measurements, e.g., arterial pressure waveforms (APW). As a non-invasive alternative, photoplethysmography (PPG) measurements are routinely collected in hospital settings. Unfortunately, the prediction of key cardiac biomarkers from PPG instead of APW remains an open challenge, further complicated by the scarcity of annotated PPG measurements. As a solution, we propose a hybrid approach that uses hemodynamic simulations and unlabeled clinical data to estimate cardiovascular biomarkers directly from PPG signals. Our hybrid model combines a conditional variational autoencoder trained on paired PPG-APW data with a conditional density estimator of cardiac biomarkers trained on labeled simulated APW segments. As a key result, our experiments demonstrate that the proposed approach can detect fluctuations of cardiac output and stroke volume and outperform a supervised baseline in monitoring temporal changes in these biomarkers.
• Abstract（参考訳）: 連続した心臓血管モニタリングは、精密な健康に重要な役割を果たす。 しかし、脳卒中量や心臓出力などの基本的な心臓バイオマーカーは、例えば動脈圧波形(APW)などの侵襲的な測定を必要とする。 非侵襲的な方法として、光胸腺造影(PPG)測定は病院で定期的に収集される。 残念ながら、APWの代わりにPPGから重要な心臓バイオマーカーの予測は未解決の課題であり、注釈付きPSG測定の不足によりさらに複雑になる。 そこで本研究では,PPG信号から直接心血管バイオマーカーを推定するために,血行動態シミュレーションと未ラベル臨床データを用いたハイブリッドアプローチを提案する。 本モデルでは, PPG-APWデータに基づいてトレーニングした条件変動オートエンコーダと, ラベル付きAPWセグメントでトレーニングした心臓バイオマーカーの条件密度推定器を組み合わせた。 その結果,本手法は心臓出力と脳卒中容積の変動を検知し,バイオマーカーの経時的変化をモニタリングする上で,教師付きベースラインよりも優れていることが示された。

関連論文リスト

• 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)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• 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)
• Uncertainty-Aware PPG-2-ECG for Enhanced Cardiovascular Diagnosis using Diffusion Models [16.03166435894744]
  光胸腺造影(英: Photoplethysmography, PPG)は、血液の体積変動を測定する光学的信号である。 ECGはより包括的な情報を提供し、心臓の状態をより正確に検出することができる。 本稿では, PPG-2-ECG変換に対処する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-19T14:30:57Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling [11.617950008187366]
  光胸腺造影法(英: Photoplethysmography, PPG)は、光学的手法を用いて心臓生理学を計測する費用効率の高い非侵襲的手法である。 本稿では,PPG信号を対応するECG波形に変換するために,主観非依存の注目に基づく深部状態空間モデル(ADSSM)を提案する。
  論文  参考訳（メタデータ） (2023-09-27T03:07:46Z)

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。