論文の概要: Non-Invasive Anemia Detection: A Multichannel PPG-Based Hemoglobin Estimation with Explainable Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2602.17290v1
• Date: Thu, 19 Feb 2026 11:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.009037
• Title: Non-Invasive Anemia Detection: A Multichannel PPG-Based Hemoglobin Estimation with Explainable Artificial Intelligence
• Title（参考訳）: 非侵襲性貧血検出:説明可能な人工知能を用いた多チャンネルPPGによるヘモグロビン推定
• Authors: Garima Sahu, Poorva Verma, Nachiket Tapas,
• Abstract要約: 貧血は一般的な血液疾患であり、早期診断と効果的な管理のために頻繁なヘモグロビンモニタリングを必要とする。 本稿では, ヘモグロビン推定および貧血スクリーニングのための非侵襲的枠組みとして, 多チャンネル光胸腺造影 (660, 730, 850, 940nm) 信号を用いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anemia is a prevalent hematological disorder that requires frequent hemoglobin monitoring for early diagnosis and effective management. Conventional hemoglobin assessment relies on invasive blood sampling, limiting its suitability for large-scale or continuous screening. This paper presents a non-invasive framework for hemoglobin estimation and anemia screening using multichannel photoplethysmography (PPG) signals and explainable artificial intelligence. Four-wavelength PPG signals (660, 730, 850, and 940~nm) are processed to extract optical and cross-wavelength features, which are aggregated at the subject level to avoid data leakage. A gradient boosting regression model is employed to estimate hemoglobin concentration, followed by post-regression anemia screening using World Health Organization (WHO) thresholds. Model interpretability is achieved using SHapley Additive explanations (SHAP), enabling both global and subject-specific analysis of feature contributions. Experimental evaluation on a publicly available dataset demonstrates a mean absolute error of 8.50 plus minus 1.27 and a root mean squared error of 8.21~g/L on unseen test subjects, indicating the potential of the proposed approach for interpretable, non-invasive hemoglobin monitoring and preliminary anemia screening.
• Abstract（参考訳）: 貧血は一般的な血液疾患であり、早期診断と効果的な管理のために頻繁なヘモグロビンモニタリングを必要とする。 従来のヘモグロビン評価は侵襲的な血液採取に依存しており、大規模または連続的なスクリーニングに適している。 本稿では,多チャンネル光胸腺造影(PPG)信号と説明可能な人工知能を用いたヘモグロビン推定および貧血スクリーニングのための非侵襲的枠組みを提案する。 4波長PSG信号(660,730,850,940〜nm)を処理して、光およびクロス波長の特徴を抽出する。 世界保健機関(WHO)のしきい値を用いてヘモグロビン濃度を推定し,その後退院後の貧血スクリーニングを行う。 モデル解釈性は、SHAP(SHapley Additive explanations)を用いて達成され、グローバルおよび主題固有の機能コントリビューションの分析を可能にする。 公開されているデータセットに対する実験的評価では、平均絶対誤差は8.50プラスマイナス1.27で、根平均2乗誤差は8.21〜g/Lであり、解釈可能な非侵襲的なヘモグロビンモニタリングと予備的貧血スクリーニングのためのアプローチの可能性を示している。

関連論文リスト

• AI-Driven anemia diagnosis: A review of advanced models and techniques [0.0]
  貧血は、世界中の何百万人もの個人に影響を及ぼす広範な健康問題であり、正確な診断とタイムリー診断は、貧血の効果的な管理と治療に不可欠である。 人工知能技術、すなわち機械学習(ML)とディープラーニング(DL)による貧血の検出、分類、診断への関心が高まっている。 本稿では, この分野での最近の進歩を体系的に概観し, 貧血検出に応用した各種モデルに焦点をあてる。
  論文  参考訳（メタデータ） (2025-10-13T13:22:45Z)
• 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)
• A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
  白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。 深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。 本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。 提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
  論文  参考訳（メタデータ） (2024-10-18T15:23:34Z)
• Non-Invasive Glucose Prediction System Enhanced by Mixed Linear Models and Meta-Forests for Domain Generalization [0.05524804393257919]
  近赤外分光法(NIR)とミリ波センシング(mm波)を併用した非侵襲グルコース予測システムを提案する。 我々は、MixedLM(Mixed Linear Model)を用いて、不均一データセット内のミリ波周波数S_21パラメータと血糖値の関係を分析する。 その結果, 平均絶対誤差は17.47 mg/dL, 根平均二乗誤差は31.83 mg/dL, 平均絶対誤差は10.88%であった。
  論文  参考訳（メタデータ） (2024-09-11T14:36:33Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• HgbNet: predicting hemoglobin level/anemia degree from EHR data [3.941824537790665]
  貧血は一般的な医学疾患であり、診断とモニタリングには侵襲的な血液検査が必要である。 我々の知る限り、HgbNetはヘモグロビンレベル/貧血度予測にEHRデータを活用する最初の機械学習モデルである。
  論文  参考訳（メタデータ） (2024-01-22T14:52:34Z)
• 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)
• A smartphone based multi input workflow for non-invasive estimation of haemoglobin levels using machine learning techniques [0.2519906683279153]
  画像処理,機械学習,ディープラーニングを組み合わせることで,ヘモグロビン濃度を測定する予測モデルを開発する。 これは、患者の指爪床、頭蓋結膜、舌の色解析によって達成される。
  論文  参考訳（メタデータ） (2020-11-29T13:57:09Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。