論文の概要: EvoMorph: Counterfactual Explanations for Continuous Time-Series Extrinsic Regression Applied to Photoplethysmography

• arxiv url: http://arxiv.org/abs/2601.10356v1
• Date: Thu, 15 Jan 2026 12:58:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.137906
• Title: EvoMorph: Counterfactual Explanations for Continuous Time-Series Extrinsic Regression Applied to Photoplethysmography
• Title（参考訳）: EvoMorph: Photoplethysmography に応用した連続時系列外部回帰の非現実的説明
• Authors: Mesut Ceylan, Alexis Tabin, Patrick Langer, Elgar Fleisch, Filipe Barata,
• Abstract要約: 時系列回帰モデルは、臨床に関連のある結果を推定するために、光胸腺造影信号を活用する傾向にある。 臨床推論と信頼については、単点推定だけでは不十分である。 EvoMorph は生理的に可塑性で多様な CFE を TSER アプリケーション向けに生成するフレームワークである。
• 参考スコア（独自算出の注目度）: 4.11690617621503
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wearable devices enable continuous, population-scale monitoring of physiological signals, such as photoplethysmography (PPG), creating new opportunities for data-driven clinical assessment. Time-series extrinsic regression (TSER) models increasingly leverage PPG signals to estimate clinically relevant outcomes, including heart rate, respiratory rate, and oxygen saturation. For clinical reasoning and trust, however, single point estimates alone are insufficient: clinicians must also understand whether predictions are stable under physiologically plausible variations and to what extent realistic, attainable changes in physiological signals would meaningfully alter a model's prediction. Counterfactual explanations (CFE) address these "what-if" questions, yet existing time series CFE generation methods are largely restricted to classification, overlook waveform morphology, and often produce physiologically implausible signals, limiting their applicability to continuous biomedical time series. To address these limitations, we introduce EvoMorph, a multi-objective evolutionary framework for generating physiologically plausible and diverse CFE for TSER applications. EvoMorph optimizes morphology-aware objectives defined on interpretable signal descriptors and applies transformations to preserve the waveform structure. We evaluated EvoMorph on three PPG datasets (heart rate, respiratory rate, and oxygen saturation) against a nearest-unlike-neighbor baseline. In addition, in a case study, we evaluated EvoMorph as a tool for uncertainty quantification by relating counterfactual sensitivity to bootstrap-ensemble uncertainty and data-density measures. Overall, EvoMorph enables the generation of physiologically-aware counterfactuals for continuous biomedical signals and supports uncertainty-aware interpretability, advancing trustworthy model analysis for clinical time-series applications.
• Abstract（参考訳）: ウェアラブルデバイスは、光胸腺撮影(PPG)のような生理的信号の連続的かつ大規模なモニタリングを可能にし、データ駆動型臨床評価の新しい機会を生み出す。 時系列外部回帰(TSER)モデルは、心拍数、呼吸速度、酸素飽和など、臨床的に関係のある結果を推定するためにPSG信号を活用する傾向にある。 しかし、臨床推論と信頼のためには、単一点推定だけでは不十分である: 臨床医は、生理学的に妥当な変動の下で予測が安定しているかどうか、また、どの程度に現実的、到達可能な生理的信号の変化が、モデルの予測を有意に変化させるかを理解する必要がある。 対物的説明 (CFE) はこれらの「何」問題に対処するが、既存の時系列CFE生成法は分類、波形形態の見落としに大きく制限されており、しばしば生理的に不可解な信号を生成し、連続的な生物医学的時系列に適用可能であることを制限している。 これらの制約に対処するため, TSER アプリケーションのための生理的かつ多様な CFE を生成するための多目的進化フレームワークである EvoMorph を紹介した。 EvoMorphは、解釈可能な信号記述子で定義された形態認識の目的を最適化し、波形構造を保存するために変換を適用する。 EvoMorphを3つのPGGデータセット(心拍数,呼吸速度,酸素飽和度)で評価した。 さらに,本研究では,ブートストラップアンサンブルの不確実性とデータ密度測定に反事実感度を関連付けることで,不確実性定量化のためのツールとしてEvoMorphを評価した。 全体として、EvoMorphは、連続的な生医学的信号に対する生理的認識の反物の生成を可能にし、不確実性認識の解釈可能性をサポートし、臨床時系列の信頼性のあるモデル解析を進歩させる。

関連論文リスト

• Inferring Optical Tissue Properties from Photoplethysmography using Hybrid Amortized Inference [9.6326158044961]
  本稿では,PPG信号と解釈可能な生理的・光学的パラメータを関連付ける生物物理モデルPPGenを紹介する。 その結果,HAIは様々なノイズやセンサ条件下で生理的パラメータを正確に推定できることがわかった。
  論文  参考訳（メタデータ） (2025-10-02T14:36:02Z)
• Estimating Clinical Lab Test Result Trajectories from PPG using Physiological Foundation Model and Patient-Aware State Space Model -- a UNIPHY+ Approach [5.103773025435573]
  Photoplethysmogram (PHY) は、心血管動態を反映する非侵襲的、連続的に記録された集中治療単位(ICU)の信号である。 UNI+Labは,局所波形符号化のための大規模PPG基盤モデルと,長距離時間モデルのための患者対応Mambaモデルを組み合わせたフレームワークである。
  論文  参考訳（メタデータ） (2025-09-19T18:38:06Z)
• Multi-Task Diffusion Approach For Prediction of Glioma Tumor Progression [0.6978367196609415]
  グリオーマは攻撃的な脳腫瘍であり、正確な進化予測に重大な課題をもたらす。 本稿では,グリオーマ進行の時間依存的,ピクセルワイドな予測のためのマルチタスク拡散フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-13T14:42:46Z)
• 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)
• A Hybrid Multi-Factor Network with Dynamic Sequence Modeling for Early Warning of Intraoperative Hypotension [2.9833446079112473]
  過去の生理的信号を用いた術中低血圧(IOH)予測は重要である。 動的シーケンス予測タスクとしてIOH予測を定式化するハイブリッドマルチファクターネットワークを提案する。 公立と実世界の両方の臨床データセットの実験では、HMFが競争ベースラインを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2024-09-17T10:46:41Z)
• A Poisson-Gamma Dynamic Factor Model with Time-Varying Transition Dynamics [51.147876395589925]
  非定常PGDSは、基礎となる遷移行列が時間とともに進化できるように提案されている。 後続シミュレーションを行うために, 完全共役かつ効率的なギブスサンプリング装置を開発した。 実験により,提案した非定常PGDSは,関連するモデルと比較して予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-02-26T04:39:01Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。