論文の概要: Continuous Telemonitoring of Heart Failure using Personalised Speech Dynamics

• arxiv url: http://arxiv.org/abs/2602.19674v2
• Date: Wed, 25 Feb 2026 01:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 13:37:25.488998
• Title: Continuous Telemonitoring of Heart Failure using Personalised Speech Dynamics
• Title（参考訳）: パーソナライズされた音声ダイナミクスを用いた心不全の連続モニタリング
• Authors: Yue Pan, Xingyao Wang, Hanyue Zhang, Liwei Liu, Changxin Li, Gang Yang, Rong Sheng, Yili Xia, Ming Chu,
• Abstract要約: 本研究では,個人内における相対的な症状変化の軌跡を捉えるためのLIPT方式を提案する。 このフレームワークの中心は、縦長の音声記録を文脈対応の潜在表現に変換するシーケンスパーソナライズ(PSE)である。 225人のコホートによる実験の結果、LIPTパラダイムは古典的な横断的アプローチよりも優れていた。
• 参考スコア（独自算出の注目度）: 17.682803546212824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Remote monitoring of heart failure (HF) via speech signals provides a non-invasive and cost-effective solution for long-term patient management. However, substantial inter-individual heterogeneity in vocal characteristics often limits the accuracy of traditional cross-sectional classification models. To address this, we propose a Longitudinal Intra-Patient Tracking (LIPT) scheme designed to capture the trajectory of relative symptomatic changes within individuals. Central to this framework is a Personalised Sequential Encoder (PSE), which transforms longitudinal speech recordings into context-aware latent representations. By incorporating historical data at each timestamp, the PSE facilitates a holistic assessment of the clinical trajectory rather than modelling discrete visits independently. Experimental results from a cohort of 225 patients demonstrate that the LIPT paradigm significantly outperforms the classic cross-sectional approaches, achieving a recognition accuracy of 99.7% for clinical status transitions. The model's high sensitivity was further corroborated by additional follow-up data, confirming its efficacy in predicting HF deterioration and its potential to secure patient safety in remote, home-based settings. Furthermore, this work addresses the gap in existing literature by providing a comprehensive analysis of different speech task designs and acoustic features. Taken together, the superior performance of the LIPT framework and PSE architecture validates their readiness for integration into long-term telemonitoring systems, offering a scalable solution for remote heart failure management.
• Abstract（参考訳）: 音声信号による心不全(HF)の遠隔モニタリングは、長期患者の管理に非侵襲的で費用対効果の低いソリューションを提供する。 しかしながら、声質特性における実質的な個人間不均一性は、伝統的な断面分類モデルの精度を制限していることが多い。 そこで本研究では,個人内での相対的な症状変化の軌跡を捉えるために,LIPT(Longitudinal intra-Patient Tracking)方式を提案する。 このフレームワークの中心はパーソナライズされたシーケンスエンコーダ(PSE)であり、縦長の音声記録を文脈対応の潜在表現に変換する。 各タイムスタンプに履歴データを組み込むことで、PSEは個別の訪問を個別にモデル化するのではなく、臨床軌跡の全体的評価を促進する。 225人のコホートによる実験の結果、LIPTパラダイムは古典的な横断的アプローチよりも優れており、99.7%の認識精度が臨床状態遷移に対して達成されている。 このモデルの高感度は、追加の追跡データによってさらに裏付けられ、HFの劣化を予測する効果と、遠隔地や在宅で患者の安全を確保する可能性が確認された。 さらに,本研究は,異なる音声タスク設計と音響特性を包括的に分析することにより,既存の文献のギャップを解消する。 LIPTフレームワークとPSEアーキテクチャの優れたパフォーマンスは、遠隔心不全管理のためのスケーラブルなソリューションを提供することで、長期的な遠隔監視システムに統合する準備が整っていることを検証します。

関連論文リスト

• Resp-Agent: An Agent-Based System for Multimodal Respiratory Sound Generation and Disease Diagnosis [14.922065513695294]
  Resp-Agent(Resp-Agent)は、アクティブアドリキュラムエージェント(Thinker-A$2$CA)によって編成された自律型マルチモーダルシステムである。 表現ギャップに対処するため,EHRデータをストラテジックグローバルアテンションを介して音声トークンで織り込むModality-Weaving Diagnoserを導入する。 データギャップに対処するために,テキストのみのLarge Language Model (LLM) をモダリティインジェクションにより適応させるフローマッチングジェネレータを設計する。
  論文  参考訳（メタデータ） (2026-02-16T14:48:24Z)
• Digital FAST: An AI-Driven Multimodal Framework for Rapid and Early Stroke Screening [0.7136933021609076]
  本研究では,F.A.S.T.アセスメントで収集したデータをもとに,高速かつ非侵襲的な2次脳卒中自動スクリーニングのための多モード深層学習フレームワークを提案する。 提案手法は, 表情, 音声信号, 上体動作からの相補的な情報を統合し, 診断の堅牢性を高める。
  論文  参考訳（メタデータ） (2026-01-17T03:35:39Z)
• Unstable Prompts, Unreliable Segmentations: A Challenge for Longitudinal Lesion Analysis [0.5537760992845262]
  本稿では,ULS23セグメンテーションモデルの性能を経時的に検討する。 本報告では, スキャン間登録誤りによる経過観察におけるセグメンテーション品質の急激な低下と, その後の病変対応過程の崩壊の2つの重要な障害モードを同定した。
  論文  参考訳（メタデータ） (2025-07-25T12:55:48Z)
• From EHRs to Patient Pathways: Scalable Modeling of Longitudinal Health Trajectories with LLMs [38.49879425944787]
  本稿では,多様な電子健康記録(EHR)データを構造化表現に変換することで,患者経路モデリングの新しい手法を提案する。 本稿では,長期的文脈をトピック固有の要約トークンに組み込む新しい要約機構を導入し,テキストのみの性能を向上させる。
  論文  参考訳（メタデータ） (2025-06-05T09:54:01Z)
• Two-Stage Representation Learning for Analyzing Movement Behavior Dynamics in People Living with Dementia [44.39545678576284]
  本研究では,認知症高齢者の在宅活動データを,2段階の自己指導型学習アプローチによって分析する。 第1段階は、時系列アクティビティを事前訓練された言語モデルによって符号化されたテキストシーケンスに変換する。 このPageRankベクトルは遅延状態遷移をキャプチャし、複雑な振る舞いデータを簡潔な形式に効果的に圧縮する。
  論文  参考訳（メタデータ） (2025-02-13T10:57:25Z)
• CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
  マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。 提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
  論文  参考訳（メタデータ） (2024-11-01T15:54:07Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)

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。