論文の概要: SSC-UNet: UNet with Self-Supervised Contrastive Learning for Phonocardiography Noise Reduction

• arxiv url: http://arxiv.org/abs/2601.10735v1
• Date: Wed, 07 Jan 2026 17:06:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.727905
• Title: SSC-UNet: UNet with Self-Supervised Contrastive Learning for Phonocardiography Noise Reduction
• Title（参考訳）: SSC-UNet:心電図ノイズ低減のための自己監督型コントラスト学習UNet
• Authors: Lizy Abraham, Siobhan Coughlan, Kritika Rajain, Changhong Li, Saji Philip, Adam James,
• Abstract要約: 先天性心疾患(CHD)は、世界の出生者の約1%に影響を及ぼす重要な世界的な健康上の問題である。 本研究では,ノイズ2ノイズに基づく自己教師型心電図ノイズ低減モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.8780017602640042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Congenital Heart Disease (CHD) remains a significant global health concern affecting approximately 1\% of births worldwide. Phonocardiography has emerged as a supplementary tool to diagnose CHD cost-effectively. However, the performance of these diagnostic models highly depends on the quality of the phonocardiography, thus, noise reduction is particularly critical. Supervised UNet effectively improves noise reduction capabilities, but limited clean data hinders its application. The complex time-frequency characteristics of phonocardiography further complicate finding the balance between effectively removing noise and preserving pathological features. In this study, we proposed a self-supervised phonocardiography noise reduction model based on Noise2Noise to enable training without clean data. Augmentation and contrastive learning are applied to enhance its performance. We obtained an average SNR of 12.98 dB after filtering under 10~dB of hospital noise. Classification sensitivity after filtering was improved from 27\% to 88\%, indicating its promising pathological feature retention capabilities in practical noisy environments.
• Abstract（参考訳）: 先天性心疾患(CHD)は、世界の出生の約16%に影響を及ぼす重要な世界的な健康上の問題である。 心電図はCHDの費用対効果を診断するための補助具として登場した。 しかし,これらの診断モデルの性能は心電図の品質に大きく依存しているため,特にノイズ低減が重要である。 Supervised UNetは、ノイズ低減機能を効果的に改善するが、クリーンなデータに制限があるため、その応用は妨げられる。 心電図の複雑な時間周波数特性は、ノイズの除去と病理特性の保存のバランスを更に複雑にする。 本研究では,ノイズ2ノイズに基づく自己教師型心電図ノイズ低減モデルを提案する。 強化とコントラスト学習が適用され、性能が向上する。 病院騒音10～dB以下で, 平均SNRは12.98dBであった。 フィルタリング後の分類感度は27 %から88 %に改善した。

関連論文リスト

• Autoencoder-Based Denoising of Muscle Artifacts in ECG to Preserve Skin Nerve Activity (SKNA) for Cognitive Stress Detection [2.9710010895451746]
  高周波心電図(ECG)記録から抽出した皮膚神経活動(SKNA)はSNSのダイナミックスに非侵襲的な窓を提供する。 従来の前処理は、EMGとSKNAのスペクトル成分の重なりがちである。 本稿では,長期記憶ボトルネックを有する軽量な1次元畳み込みオートエンコーダ(LSTM)を用いたデノナイズ手法を提案する。
  論文  参考訳（メタデータ） (2025-09-08T18:51:36Z)
• PRECISE-AS: Personalized Reinforcement Learning for Efficient Point-of-Care Echocardiography in Aortic Stenosis Diagnosis [6.276251898178271]
  大動脈狭窄 (Aortic stenosis, AS) は、大動脈弁が狭くなり、血流が低下することによる生命維持状態である。 心エコー検査(echo)へのアクセスは、特に農村部や低地部において、資源の制約により制限されることが多い。 本稿では,患者の最も情報性の高いエコー映像を動的に選択する強化学習(RL)によるアクティブビデオ取得フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-02T23:47:43Z)
• A Denoising VAE for Intracardiac Time Series in Ischemic Cardiomyopathy [10.70564642401123]
  本研究は,心室中モノファシック作用電位(MAP)信号記録の品質向上を目的とした変分オートエンコーダ(VAE)モデルを提案する。 虚血性心筋症と診断された42例の5706時系列のデータセットからクリーン信号の表現を構築することにより,より優れた認知機能を示す。 VAEは、シングルビートにおける様々なノイズ源を排除し、最先端のデノナイジング技術より優れ、心EPの治療効果を向上させる可能性がある。
  論文  参考訳（メタデータ） (2025-07-08T08:27:31Z)
• Wavelet Integrated Convolutional Neural Network for ECG Signal Denoising [1.565361244756411]
  ドライ電極を用いたウェアラブル心電図(ECG)測定は、高強度ノイズ歪みに問題がある。 本研究では、クリーンECGの特定の周波数特徴を抽出するウェーブレット変換層を付加した畳み込みニューラルネットワーク(CNN)モデルを提案する。 実験の結果,提案手法は全ての周波数領域を考慮し,ノイズを低減した正確なECGの挙動を効果的に予測できることが確認された。
  論文  参考訳（メタデータ） (2025-01-12T06:18:46Z)
• Towards Robust Transcription: Exploring Noise Injection Strategies for Training Data Augmentation [55.752737615873464]
  本研究では,SNR(Signal-to-Noise Ratio)レベルにおける白色雑音の影響について検討した。 この研究は、様々な音環境における一貫した性能を維持する転写モデルの開発に向けた予備的な研究として、貴重な洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2024-10-18T02:31:36Z)
• A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
  NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。 ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。 NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
  論文  参考訳（メタデータ） (2023-04-28T13:06:14Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• RoS-KD: A Robust Stochastic Knowledge Distillation Approach for Noisy Medical Imaging [67.02500668641831]
  ノイズの多いデータセットでトレーニングされたディープラーニングモデルは、ノイズタイプに敏感であり、目に見えないサンプルの一般化が少なくなる。 本稿では,複数の情報源からトピックを学習する概念を模倣したロバスト知識蒸留(RoS-KD)フレームワークを提案する。 RoS-KDは、訓練データの重複する部分集合について訓練された複数の教師から知識を蒸留することにより、滑らかで、よく表現された、堅牢な学生多様体を学習する。
  論文  参考訳（メタデータ） (2022-10-15T22:32:20Z)
• Heart Sound Classification Considering Additive Noise and Convolutional Distortion [2.63046959939306]
  異常検出のための心臓音の自動解析は、加算雑音とセンサ依存劣化の課題に直面している。 本研究の目的は, 心音に両種類の歪みが存在する場合に, 心的異常検出問題に対処する手法を開発することである。 提案手法は, 安価な聴診器を用いて, ノイズの多い環境下で, コンピュータ支援型心臓聴診システムを開発するための道を開くものである。
  論文  参考訳（メタデータ） (2021-06-03T14:09:04Z)
• On Dynamic Noise Influence in Differentially Private Learning [102.6791870228147]
  Private Gradient Descent (PGD)は一般的に使用されるプライベート学習フレームワークであり、差分プロトコルに基づいてノイズを発生する。 最近の研究では、emphdynamic privacy schedulesは最終イテレーションで改善できるが、そのようなスケジュールの有効性の理論は限られている。 本稿では,これらの重要な質問に答えるために,動的プライバシスケジュールにおけるノイズの影響を総合的に分析する。
  論文  参考訳（メタデータ） (2021-01-19T02:04:00Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。