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

• Versatile Cardiovascular Signal Generation with a Unified Diffusion Transformer [41.095491708125515]
  低品質な信号を再構成し、記録されていない信号を合成するマルチモーダル拡散変換器UniCardioを提案する。 心臓血管信号の相補的な性質を生かして、UniCardioは、近年のタスク固有のベースラインよりも明らかに優れている。 これらのアドバンテージは、UniCardioをAI支援ヘルスケアの前進のための有望な道と位置づけている。
  論文  参考訳（メタデータ） (2025-05-28T12:45:39Z)
• 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)
• Estimating Blood Pressure with a Camera: An Exploratory Study of Ambulatory Patients with Cardiovascular Disease [20.797887496336397]
  高血圧は世界中で致死率と死亡率の主要な原因である。 高血圧の診断と治療能力は、現在の血圧モニタリング法(BP)へのアクセス制限と順応性の低下によって妨げられる リモート光胸腺撮影(r)は、物理的接触のない標準的なカメラを通して個人の波形を評価する。
  論文  参考訳（メタデータ） (2025-03-02T13:24:50Z)
• 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)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Deep Metric Learning for the Hemodynamics Inference with Electrocardiogram Signals [14.972877620537686]
  我々は、中央の圧力ラベルを伴わない540万以上のECGを含むデータセットを使用して、自己教師型DMLモデルを事前トレーニングします。 8,172mPCWPラベルのECGを用いた教師付きDMLモデルでは,mPCWP回帰タスクの性能が著しく向上した。
  論文  参考訳（メタデータ） (2023-08-09T01:30:07Z)
• Performer: A Novel PPG to ECG Reconstruction Transformer For a Digital Biomarker of Cardiovascular Disease Detection [0.0]
  心臓血管疾患(CVD)は死因の上位1つとなり、これらの死亡の4分の3は低所得層で発生している。 心電図 (ECG) は, ユーザ参加の必要性から, 連続心臓モニタリングには有効ではない。 フォトプレチスモグラフィーは容易に収集できるが、精度の制限により臨床応用は制限される。
  論文  参考訳（メタデータ） (2022-04-25T17:10:13Z)

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。