論文の概要: SIGMA-PPG: Statistical-prior Informed Generative Masking Architecture for PPG Foundation Model

• arxiv url: http://arxiv.org/abs/2601.21031v1
• Date: Wed, 28 Jan 2026 20:46:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.430963
• Title: SIGMA-PPG: Statistical-prior Informed Generative Masking Architecture for PPG Foundation Model
• Title（参考訳）: SIGMA-PPG: PPGファンデーションモデルのための統計的優先インフォームド生成マスキングアーキテクチャ
• Authors: Zongheng Guo, Tao Chen, Yang Jiao, Yi Pan, Xiao Hu, Manuela Ferrario,
• Abstract要約: 光プラチノグラフィー(優先)信号の現在の基礎モデルは、信号の内在的冗長性とノイズによって挑戦される。 標準的なマスク付きモデリングはしばしば自明な解をもたらすが、対照的な方法は形態的精度を欠いている。 本稿では,これらの制約に対処する統計的インフォームド・ジェネレーティブ・マスキング・アーキテクチャ(SIGMA-)を提案する。
• 参考スコア（独自算出の注目度）: 20.943749783722478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current foundation model for photoplethysmography (PPG) signals is challenged by the intrinsic redundancy and noise of the signal. Standard masked modeling often yields trivial solutions while contrastive methods lack morphological precision. To address these limitations, we propose a Statistical-prior Informed Generative Masking Architecture (SIGMA-PPG), a generative foundation model featuring a Prior-Guided Adversarial Masking mechanism, where a reinforcement learning-driven teacher leverages statistical priors to create challenging learning paths that prevent overfitting to noise. We also incorporate a semantic consistency constraint via vector quantization to ensure that physiologically identical waveforms (even those altered by recording artifacts or minor perturbations) map to shared indices. This enhances codebook semantic density and eliminates redundant feature structures. Pre-trained on over 120,000 hours of data, SIGMA-PPG achieves superior average performance compared to five state-of-the-art baselines across 12 diverse downstream tasks. The code is available at https://github.com/ZonghengGuo/SigmaPPG.
• Abstract（参考訳）: 光胸腺造影(PPG)信号の現在の基礎モデルは、信号の内在的冗長性とノイズによって挑戦される。 標準的なマスク付きモデリングはしばしば自明な解をもたらすが、対照的な方法は形態的精度を欠いている。 これらの制約に対処するために,教師が統計的事前情報を活用し,騒音への過度な適応を防止するための難易度学習経路を作成する,事前指導型逆マスキング機構を特徴とする生成基盤モデルである,統計的事前情報生成型マスキングアーキテクチャ(SIGMA-PPG)を提案する。 また、ベクトル量子化による意味的一貫性の制約を組み込んで、生理学的に同一の波形(アーティファクトや小さな摂動によって変化したものであっても)が共有指標にマップされることを保証する。 これにより、コードブックの意味密度が向上し、冗長な特徴構造が排除される。 12万時間以上のデータに基づいて事前トレーニングされたSIGMA-PPGは、12のダウンストリームタスクにわたる5つの最先端ベースラインと比較して、平均パフォーマンスが優れている。 コードはhttps://github.com/ZonghengGuo/SigmaPPG.comで公開されている。

関連論文リスト

• Wavelet-Driven Masked Multiscale Reconstruction for PPG Foundation Models [13.267230682892503]
  Masked Multiscale Reconstruction (MMR)は、PSGデータの階層的時間周波数スケールから明確に学習する自己教師付き事前学習フレームワークである。 32,000人のユーザから1700万のラベルのない10秒PSGセグメントを使用して、MMRでモデルを事前訓練する。 19の多様な健康関連タスクのうち、MMRは大規模ウェアラブルPSGデータを改善し、最先端のオープンソースPSGモデルに適合させる。
  論文  参考訳（メタデータ） (2026-01-18T01:34:47Z)
• Focus on What Matters: Fisher-Guided Adaptive Multimodal Fusion for Vulnerability Detection [12.69450437027072]
  TaCCS-DFAは、分類決定に対する特徴方向の感度の尺度としてフィッシャー情報を導入するフレームワークである。 BigVul、Devign、ReVealの実験では、TaCCS-DFAは複数のバックボーンで高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-05T09:31:21Z)
• A Foundation Model for DAS Signal Recognition and Visual Prompt Tuning of the Pre-trained Model for Downstream Tasks [6.14430079610632]
  本研究では,MAEPD と呼ばれる Masked Autocoder に基づくDAS信号認識の基礎モデルを提案する。 このモデルは635860サンプルのデータセットに事前トレーニングされており、DAS歩行信号、2つの時間的GASF画像、パイプライン漏れの2D時間周波数画像、クジラの発声や地震活動を含むオープンデータセット信号を含んでいる。 VPT-Deepアプローチは、パラメータの0.322%しか微調整されていない96.94%の分類精度を達成し、従来のFFT(Full Fine Tuning)法を0.61%上回り、トレーニング時間を短縮する。
  論文  参考訳（メタデータ） (2025-08-06T11:02:25Z)
• Scalable Graph Generative Modeling via Substructure Sequences [50.32639806800683]
  本稿では,グラフ生成用トランスフォーマー事前学習フレームワークである生成グラフパターンマシン(G$2$PM)を紹介する。 G$2$PMはグラフインスタンス(ノード、エッジ、グラフ全体)をサブ構造のシーケンスとして表現する。 それは、一般化可能かつ伝達可能な表現を学ぶために、シーケンスに関する生成的事前学習を採用する。
  論文  参考訳（メタデータ） (2025-05-22T02:16:34Z)
• Steering Masked Discrete Diffusion Models via Discrete Denoising Posterior Prediction [88.65168366064061]
  本稿では,確率論的推論の課題として,事前学習したMDMを操る作業を行う新しいフレームワークであるDDPPを紹介する。 私たちのフレームワークは、3つの新しい目標のファミリーにつながります。 Wet-lab Validation(ウェット・ラブ・バリデーション)を用いて,報酬最適化タンパク質配列の過渡的発現を観察する。
  論文  参考訳（メタデータ） (2024-10-10T17:18:30Z)
• UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
  グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。 まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。 次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
  論文  参考訳（メタデータ） (2024-02-12T19:39:26Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)

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。