論文の概要: Aortic Valve Disease Detection from PPG via Physiology-Informed Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2602.04266v1
• Date: Wed, 04 Feb 2026 06:56:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.410772
• Title: Aortic Valve Disease Detection from PPG via Physiology-Informed Self-Supervised Learning
• Title（参考訳）: 生理インフォームド・セルフ・スーパーバイザード・ラーニングによるPTGによる大動脈弁疾患の検出
• Authors: Jiaze Wang, Qinghao Zhao, Zizheng Chen, Zhejun Sun, Deyun Zhang, Yuxi Zhou, Shenda Hong,
• Abstract要約: 光胸腺造影は大動脈弁疾患のスクリーニング法として期待されている。 金標準ラベル付きPSGデータの極端な不足は、データ駆動アプローチの有効性を厳しく制限する。 我々は,大規模無ラベルPSGデータの価値を解放することを目的とした,新たなパラダイムであるPhysological-Guided Self-Supervised Learning (PG-SSL)を提案し,検証する。
• 参考スコア（独自算出の注目度）: 14.821698474716504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional diagnosis of aortic valve disease relies on echocardiography, but its cost and required expertise limit its use in large-scale early screening. Photoplethysmography (PPG) has emerged as a promising screening modality due to its widespread availability in wearable devices and its ability to reflect underlying hemodynamic dynamics. However, the extreme scarcity of gold-standard labeled PPG data severely constrains the effectiveness of data-driven approaches. To address this challenge, we propose and validate a new paradigm, Physiology-Guided Self-Supervised Learning (PG-SSL), aimed at unlocking the value of large-scale unlabeled PPG data for efficient screening of Aortic Stenosis (AS) and Aortic Regurgitation (AR). Using over 170,000 unlabeled PPG samples from the UK Biobank, we formalize clinical knowledge into a set of PPG morphological phenotypes and construct a pulse pattern recognition proxy task for self-supervised pre-training. A dual-branch, gated-fusion architecture is then employed for efficient fine-tuning on a small labeled subset. The proposed PG-SSL framework achieves AUCs of 0.765 and 0.776 for AS and AR screening, respectively, significantly outperforming supervised baselines trained on limited labeled data. Multivariable analysis further validates the model output as an independent digital biomarker with sustained prognostic value after adjustment for standard clinical risk factors. This study demonstrates that PG-SSL provides an effective, domain knowledge-driven solution to label scarcity in medical artificial intelligence and shows strong potential for enabling low-cost, large-scale early screening of aortic valve disease.
• Abstract（参考訳）: 従来の大動脈弁疾患の診断は心エコー法に依存しているが、そのコストと専門知識は大規模な早期スクリーニングでの使用を制限する。 Photoplethysmography (PPG) は、ウェアラブルデバイスで広く利用でき、基礎となる血行動態を反映できるため、将来性のあるスクリーニングモダリティとして登場した。 しかし、ゴールド標準ラベル付きPGGデータの極端な不足は、データ駆動アプローチの有効性を厳しく制限する。 この課題に対処するために,大動脈狭窄 (AS) と大動脈閉鎖 (AR) の効率的なスクリーニングのために,大規模未ラベルPSGデータの価値を解放することを目的とした,新たなパラダイムであるPG-SSL(Physological-Guided Self-Supervised Learning)を提案し,検証する。 英国バイオバンクの170,000以上の未ラベルPSGサンプルを用いて,臨床知識をPPG形態表現型に形式化し,自己指導型プレトレーニングのためのパルスパターン認識プロキシタスクを構築した。 次に、二分岐ゲート融合アーキテクチャを用いて、小さなラベル付きサブセットの効率的な微調整を行う。 提案したPG-SSLフレームワークは、ASとARのスクリーニングにおいてそれぞれ0.765と0.776のAUCを達成し、限定ラベル付きデータでトレーニングされた教師付きベースラインを著しく上回っている。 多変量解析は、標準臨床リスク因子の調整後の予後値が持続する独立したデジタルバイオマーカーとしてのモデル出力をさらに検証する。 本研究は、PG-SSLが、医療人工知能の不足をラベル付けするための効果的なドメイン知識駆動型ソリューションを提供することを実証し、低コストで大規模な大動脈弁疾患の早期スクリーニングを可能にする可能性を示した。

関連論文リスト

• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• H-LDM: Hierarchical Latent Diffusion Models for Controllable and Interpretable PCG Synthesis from Clinical Metadata [7.158541967057649]
  H-LDMは、構造化メタデータから臨床的に正確で制御可能なPCG信号を生成する階層的潜在拡散モデルである。 我々のアプローチは、生理的に異なる潜伏空間を学習し、リズム、心臓音、大腿骨を分離するマルチスケールのVAEを特徴とする。 PhysioNet CirCorデータセットの実験では、Fréchet Audio Distance 9.7、92%の属性不整合スコア、87.1%の臨床的妥当性が確認された。
  論文  参考訳（メタデータ） (2025-11-18T10:16:22Z)
• A Weakly Supervised Transformer for Rare Disease Diagnosis and Subphenotyping from EHRs with Pulmonary Case Studies [28.253741893497136]
  WEST(Wakly Supervised Transformer for rare disease phenotyping and subphenotyping from EHRs)を提案する。 ボストン小児病院のEHRデータを用いて2つの稀な肺疾患についてWESTを評価し, 表現型分類, 臨床的に有意な亜フェノタイプ同定, 疾患進行の予測において, 既存の方法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-07-01T23:11:20Z)
• 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)
• 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)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Self-supervised contrastive learning of echocardiogram videos enables label-efficient cardiac disease diagnosis [48.64462717254158]
  心エコービデオを用いた自己教師型コントラスト学習手法であるエコーCLRを開発した。 左室肥大症 (LVH) と大動脈狭窄症 (AS) の分類成績は,EchoCLR の訓練により有意に改善した。 EchoCLRは、医療ビデオの表現を学習する能力に特有であり、SSLがラベル付きデータセットからラベル効率の高い疾患分類を可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-23T19:17:26Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)

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。