論文の概要: How does downsampling affect needle electromyography signals? A generalisable workflow for understanding downsampling effects on high-frequency time series

• arxiv url: http://arxiv.org/abs/2601.10191v1
• Date: Thu, 15 Jan 2026 08:46:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.060677
• Title: How does downsampling affect needle electromyography signals? A generalisable workflow for understanding downsampling effects on high-frequency time series
• Title（参考訳）: 針筋電図信号に対するダウンサンプリングの影響 : 高周波時系列におけるダウンサンプリング効果を理解するための一般的なワークフロー
• Authors: Mathieu Cherpitel, Janne Luijten, Thomas Bäck, Camiel Verhamme, Martijn Tannemaat, Anna Kononova,
• Abstract要約: 神経筋疾患の検出を支援する手段として、針筋電図(nEMG)信号の自動解析が登場している。 ダウンサンプリングは潜在的な解決策を提供するが、診断信号の内容と分類性能への影響は十分に理解されていない。 本研究では,高周波時系列におけるダウンサンプリングによる情報損失を系統的に評価するためのワークフローを提案する。
• 参考スコア（独自算出の注目度）: 1.3648865252191944
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated analysis of needle electromyography (nEMG) signals is emerging as a tool to support the detection of neuromuscular diseases (NMDs), yet the signals' high and heterogeneous sampling rates pose substantial computational challenges for feature-based machine-learning models, particularly for near real-time analysis. Downsampling offers a potential solution, but its impact on diagnostic signal content and classification performance remains insufficiently understood. This study presents a workflow for systematically evaluating information loss caused by downsampling in high-frequency time series. The workflow combines shape-based distortion metrics with classification outcomes from available feature-based machine learning models and feature space analysis to quantify how different downsampling algorithms and factors affect both waveform integrity and predictive performance. We use a three-class NMD classification task to experimentally evaluate the workflow. We demonstrate how the workflow identifies downsampling configurations that preserve diagnostic information while substantially reducing computational load. Analysis of shape-based distortion metrics showed that shape-aware downsampling algorithms outperform standard decimation, as they better preserve peak structure and overall signal morphology. The results provide practical guidance for selecting downsampling configurations that enable near real-time nEMG analysis and highlight a generalisable workflow that can be used to balance data reduction with model performance in other high-frequency time-series applications as well.
• Abstract（参考訳）: 針筋電図(nEMG)信号の自動解析は神経筋疾患(NMD)の検出を支援するツールとして登場しつつあるが、信号の高次かつ均一なサンプリングレートは特徴に基づく機械学習モデル、特にリアルタイムに近い分析において重大な計算上の課題をもたらす。 ダウンサンプリングは潜在的な解決策を提供するが、診断信号の内容と分類性能への影響は十分に理解されていない。 本研究では,高周波時系列におけるダウンサンプリングによる情報損失を系統的に評価するためのワークフローを提案する。 このワークフローは、形状に基づく歪み測定と、利用可能な特徴ベースの機械学習モデルからの分類結果と、特徴空間分析を組み合わせて、異なるダウンサンプリングアルゴリズムと要因が波形の整合性と予測性能の両方にどのように影響するかを定量化する。 ワークフローを実験的に評価するために,3クラスNMD分類タスクを使用する。 本稿では、診断情報を保存し、計算負荷を大幅に削減するダウンサンプリング構成をワークフローがいかに認識するかを示す。 形状に基づく歪み測定値の解析により、形状認識のダウンサンプリングアルゴリズムは、ピーク構造や信号形態をより良く保存するため、標準デシメーションよりも優れていた。 この結果は、リアルタイムに近いnEMG分析を可能にするダウンサンプリング構成を選択するための実用的なガイダンスを提供するとともに、他の高周波時系列アプリケーションでもデータ削減とモデル性能のバランスをとるのに使用できる一般的なワークフローを強調している。

関連論文リスト

• Digital Twin-Driven Zero-Shot Fault Diagnosis of Axial Piston Pumps Using Fluid-Borne Noise Signals [4.11115562060457]
  軸方向ピストンポンプは流体発電システムにおいて重要な構成要素である。 従来のデータ駆動手法は広範なラベル付き障害データを必要とする。 本稿では,ディジタルツイン駆動型ゼロショット故障診断フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-22T11:24:42Z)
• In-Process Monitoring of Gear Power Honing Using Vibration Signal Analysis and Machine Learning [0.0]
  本研究では、ギヤパワーホニングのプロセス内監視のための新しいデータ駆動型フレームワークを提案する。 提案手法は加速度計による連続的なデータ取得と時間周波数信号解析を含む。 提案手法は工業環境で高い分類精度(最大100%)を達成する。
  論文  参考訳（メタデータ） (2025-09-24T08:32:28Z)
• Masked Autoencoders for Ultrasound Signals: Robust Representation Learning for Downstream Applications [0.0]
  1次元(1D)超音波信号を用いた自己教師あり表現学習のための視覚変換器 (ViT) アーキテクチャを用いたマスク付きオートエンコーダ (MAE) の適応と性能について検討した。 以上の結果から,学習前のモデルでは,スクラッチからトレーニングしたモデルと,下流タスクに最適化された強力な畳み込みニューラルネットワーク(CNN)ベースラインが有意に優れていた。
  論文  参考訳（メタデータ） (2025-08-28T10:13:33Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Rolling bearing fault diagnosis method based on generative adversarial enhanced multi-scale convolutional neural network model [7.600902237804825]
  マルチスケール畳み込みニューラルネットワークモデルに基づく転がり軸受故障診断手法を提案する。 ResNet法と比較して,提案手法はより優れた一般化性能と反雑音性能を有することを示す。
  論文  参考訳（メタデータ） (2024-03-21T06:42:35Z)
• Impact of Noisy Supervision in Foundation Model Learning [91.56591923244943]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Fault Detection and Diagnosis with Imbalanced and Noisy Data: A Hybrid Framework for Rotating Machinery [2.580765958706854]
  回転機械製造システムの保守コスト低減には, 故障診断が重要な役割を担っている。 従来のフォールト検出および診断(FDD)フレームワークは、現実の状況に対処する際のパフォーマンスが劣っている。 本稿では、上記の3つのコンポーネントを用いて、効果的な信号ベースFDDシステムを実現するハイブリッドフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-09T01:09:59Z)

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。