論文の概要: Holter-to-Sleep: AI-Enabled Repurposing of Single-Lead ECG for Sleep Phenotyping

• arxiv url: http://arxiv.org/abs/2603.18714v1
• Date: Thu, 19 Mar 2026 10:11:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.081048
• Title: Holter-to-Sleep: AI-Enabled Repurposing of Single-Lead ECG for Sleep Phenotyping
• Title（参考訳）: Holter-to-Sleep:Sleep Phenotypingのためのシングルリード心電図のAI利用
• Abstract要約: 睡眠障害は心臓血管のリスクと密接に関連している。 ポリソムノグラフィー(PSG)は資源集約的であり、マルチナイト、ホームベース、大規模スクリーニングには適していない。 本稿では,シングルリードECGを唯一の入力として使用する概念ホルター・ツー・スリープ・フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 25.495968977141512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sleep disturbances are tightly linked to cardiovascular risk, yet polysomnography (PSG)-the clinical reference standard-remains resource-intensive and poorly suited for multi-night, home-based, and large-scale screening. Single-lead electrocardiography (ECG), already ubiquitous in Holter and patch-based devices, enables comfortable long-term acquisition and encodes sleep-relevant physiology through autonomic modulation and cardiorespiratory coupling. Here, we present a proof-of-concept Holter-to-Sleep framework that, using single-lead ECG as the sole input, jointly supports overnight sleep phenotyping and Holter-grade cardiac phenotyping within the same recording, and further provides an explicit analytic pathway for scalable cardio-sleep association studies. The framework is developed and validated on a pooled multi-center PSG sample of 10,439 studies spanning four public cohorts, with independent external evaluation to assess cross-cohort generalizability, and additional real-world feasibility assessment using overnight patch-ECG recordings via objective-subjective consistency analysis. This integrated design enables robust extraction of clinically meaningful overnight sleep phenotypes under heterogeneous populations and acquisition conditions, and facilitates systematic linkage between ECG-derived sleep metrics and arrhythmia-related Holter phenotypes. Collectively, the Holter-to-Sleep paradigm offers a practical foundation for low-burden, home-deployable, and scalable cardio-sleep monitoring and research beyond traditional PSG-centric workflows.
• Abstract（参考訳）: 睡眠障害は、心臓血管のリスクと密接に関連しているが、ポリソムノグラフィー(PSG)は、臨床基準として資源が集中しており、マルチナイト、ホームベース、大規模スクリーニングには適していない。 シングルリード心電図(ECG)はホルターやパッチベースのデバイスですでにユビキタスであり、快適な長期取得を可能にし、自律神経調節と心呼吸結合を通じて睡眠関連生理学をコードする。 そこで本研究では,シングルリード心電図を単独入力として,夜間睡眠表現とホルターグレード心電図を同一記録内で共同でサポートし,拡張性心電図関連研究のための明確な解析経路を提供する,概念実証Holter-to-Sleepフレームワークを提案する。 このフレームワークは、4つの公的なコホートにまたがる10,439の多中心PSGサンプルを用いて開発・検証され、相互コホート一般化性を評価するための独立した外部評価と、目的-目的整合性分析による夜間パッチ-ECG記録を用いた実世界の実現可能性評価が可能である。 この統合された設計は、異種集団と取得条件下で臨床的に有意な夜間睡眠表現型を強く抽出し、心電図由来の睡眠測定値と不整脈関連ホルター表現型との系統的結合を促進する。 まとめると、Holter-to-Sleepパラダイムは、従来のPSG中心のワークフローを超えて、ローバーデン、ホームデプロイ可能、スケーラブルな心-スリープモニタリングと研究のための実践的な基盤を提供する。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• CardioState-JEPA: Delay-Aware Cross-Modal Learning of a Shared Cardiac Representation [33.42512865785489]
  心電図,PSG,PCGの1つの共有表現を共同で学習するための心臓基礎モデルであるCardioState-JEPAを紹介する。 このモデルは異種波形を共通のトークン空間にマッピングし、単一の共有トランスフォーマーエンコーダで処理し、マスクされた潜在心臓状態を予測することによって学習する。 我々のエンコーダは、平均PSG分類を8.2AUROCポイントで改善し、PCG法を18.8AUROCポイントで、ECG法を15.5AUROCポイントで改善した。
  論文  参考訳（メタデータ） (2026-08-13T08:21:06Z)
• ECG-LLM: Foundation Model for ECG-Based Cardiac Reasoning [50.82313761980655]
  ECG-LLMは186,409人を対象にした4つのコホート679,112のECG研究で訓練されたECG条件付き大言語モデルである。 ECG信号、臨床コンテキスト、CMR、ECHOから導かれる、臨床的に構造化された質問応答対をトレーニングする。 心拍数などの従来の心電図測定を成功させ、複雑なCMR由来の表現型を強く予測する。
  論文  参考訳（メタデータ） (2026-07-15T11:06:35Z)
• PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
  フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。 既存の手法は統計アライメントとデータ駆動生成に依存している。 生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
  論文  参考訳（メタデータ） (2026-05-09T07:39:58Z)
• Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
  既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。 本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。 臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
  論文  参考訳（メタデータ） (2026-03-09T15:39:57Z)
• Physiology as Language: Translating Respiration to Sleep EEG [43.02603129452492]
  本稿では,呼吸信号から睡眠脳波(EEG)を合成するクロス生理学的翻訳タスクを紹介する。 離散トークン化により脳波の標的空間を制約しながら、微細な呼吸動態を保ちながら波形条件生成フレームワークを提案する。 脳波スペクトログラム再構成では,28,000人以上の被験者を対象に,平均絶対誤差を7%以上達成している。
  論文  参考訳（メタデータ） (2026-01-31T05:44:45Z)
• AnySleep: a channel-agnostic deep learning system for high-resolution sleep staging in multi-center cohorts [1.7032702581423902]
  我々は、脳波(EEG)や脳電図(EOG)のデータを用いて、調整可能な時間分解能で睡眠を評価するディープニューラルネットワークモデルであるAnySleepを提案する。 このモデルは最先端のパフォーマンスを達成し、確立されたベースラインを30秒のエポックで上回るか等しくする。
  論文  参考訳（メタデータ） (2025-12-16T14:49:11Z)
• Exploring the Efficacy of Convolutional Neural Networks in Sleep Apnea Detection from Single Channel EEG [0.0]
  本稿では,単一チャネル脳波データに基づいて学習した畳み込みニューラルネットワーク(CNN)を用いた睡眠時無呼吸症候群の検出手法を提案する。 提案されたCNNの精度は85.1%、マシューズ相関係数(MCC)は0.22で、家庭ベースのアプリケーションにとって大きな可能性を示した。
  論文  参考訳（メタデータ） (2025-08-16T04:58:00Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
  そこで本研究では,周期型ECG表現学習手法を提案する。 心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。 本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
  論文  参考訳（メタデータ） (2024-10-08T10:03:52Z)
• Deciphering Heartbeat Signatures: A Vision Transformer Approach to Explainable Atrial Fibrillation Detection from ECG Signals [4.056982620027252]
  単誘導心電図データに基づいて心房細動を識別するための視覚変換器アプローチを開発した。 また、残差ネットワーク(ResNet)アプローチも、視覚変換器アプローチと比較するために開発されている。
  論文  参考訳（メタデータ） (2024-02-12T11:04:08Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Learning cardiac activation maps from 12-lead ECG with multi-fidelity Bayesian optimization on manifolds [2.1485350418225244]
  心臓のアトピー活動は致命的な不整脈を引き起こす。 心臓の異所性活性化を非侵襲的に同定する方法を提案する。
  論文  参考訳（メタデータ） (2022-03-11T19:55:49Z)
• Recognition of Patient Groups with Sleep Related Disorders using Bio-signal Processing and Deep Learning [2.552015272583579]
  心電図(ECG)と心電図(EMG)は呼吸障害や運動関連睡眠障害の診断に用いられている。 ディープラーニングフレームワークは、EMGとECG機能を組み込むように設計されている。 この枠組みは、健常者、閉塞性睡眠時無呼吸症(OSA)患者、レスレス脚症候群(RLS)患者、およびOSAおよびRSS患者の4つのグループに分類されている。
  論文  参考訳（メタデータ） (2021-11-10T20:19:15Z)

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。