論文の概要: Time-Localized Parametric Decomposition of Respiratory Airflow for Sub-Breath Analysis
- arxiv url: http://arxiv.org/abs/2604.22695v1
- Date: Fri, 24 Apr 2026 16:28:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-27 15:36:26.533134
- Title: Time-Localized Parametric Decomposition of Respiratory Airflow for Sub-Breath Analysis
- Title（参考訳）: サブブレス解析のための呼吸気流の時間局所パラメトリック分解
- Authors: Victoria Ribeiro Rodrigues, Paul W. Davenport, Nicholas J. Napoli,
- Abstract要約: 本研究では,呼吸気流を時間的局所成分に分解するパラメトリックフレームワークを提案する。
8,276発の呼吸の評価は、高い再現精度を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Respiratory airflow signals provide critical insight into breathing mechanics, yet conventional analysis methods remain limited in their ability to characterize the internal structure of individual breaths. Traditional approaches treat airflow as a quasi-periodic signal and rely on global descriptors such as tidal volume or peak flow, obscuring sub-breath events that reflect neuromuscular coordination and compensatory breathing strategies. This study introduces a parametric framework for decomposing inspiratory airflow into a small number of time-localized components with explicit amplitude, onset time, and duration parameters. Unlike spectral or data-adaptive methods, the proposed approach employs physiologically grounded basis functions, Half-Sine, Gaussian, and Beta, to represent intrabreath waveform morphology through constrained nonlinear optimization. Evaluation across 8,276 breaths demonstrates high reconstruction accuracy (mean squared error $<$ 0.001 for four-component models) and robust parameter precision under moderate noise. Component-derived features describing sub-breath timing and coordination improved classification of cognitive fatigue states arising from cognitive-respiratory competition by up to 30.7% in Matthews correlation coefficient compared with classical respiratory metrics. These results establish that modeling airflow as a sum of parameterized, time-localized primitives provides an interpretable and precise foundation for quantifying intrabreath organization, compensatory breathing dynamics, and respiratory motor control adaptation under cognitive-respiratory dual-task demands.
- Abstract（参考訳）: 呼吸気流信号は呼吸力学に重要な洞察を与えるが、従来の分析方法は個々の呼吸の内部構造を特徴づける能力に限られている。
伝統的なアプローチは、空気の流れを準周期的な信号として扱い、潮流やピークフローのようなグローバルな記述子に依存し、神経筋の協調や補償呼吸戦略を反映したサブブレス現象を隠蔽する。
本研究では, 吸気気流を明示的な振幅, 開始時間, 持続時間パラメータを持つ少数の時間局在成分に分解するパラメトリックフレームワークを提案する。
スペクトル法やデータ適応法とは異なり, 提案手法では, 制約付き非線形最適化によるブラス波形形態を表すために, 物理基底関数であるハーフサイン, ガウス, ベータを用いる。
8,276発の呼吸による評価は、高い再現精度(四成分モデルでは平均2乗誤差=0.001)と中等雑音下での頑健なパラメータ精度を示す。
サブブレスタイミングと調整を記述した成分由来の特徴は、認知呼吸競合から生じる認知疲労状態の分類を古典的な呼吸測定値と比較すると、マシューズ相関係数が最大30.7%向上した。
これらの結果は,気流をパラメータ化,時間的局所化プリミティブの総和としてモデル化することで,呼吸機構の定量化,呼吸動態の補正,呼吸運動制御の適応を認知的・呼吸的二重タスク要求下で行うための,解釈可能かつ正確な基礎を提供することを示す。
関連論文リスト
- Independent Component Discovery in Temporal Count Data [46.526610368455096]
本稿では、時間数データの独立成分分析のための生成フレームワークを導入し、レギュラー適応力学とポアソン対数正規放出を組み合わせた。
このモデルは、状態に依存したコントリビューションで絡み合ったコンポーネントを特定し、表現学習と摂動解析を可能にする。
論文 参考訳（メタデータ） (2026-01-29T13:30:10Z) - Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。
我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
論文 参考訳（メタデータ） (2025-03-06T06:24:51Z) - CycleGuardian: A Framework for Automatic RespiratorySound classification Based on Improved Deep clustering and Contrastive Learning [9.215130010602634]
早期の呼吸器および肺疾患の診断において,聴診は重要な役割を担っている。
既存の最先端モデルは過剰なパラメータサイズに悩まされており、リソース制約のあるモバイルプラットフォームへのデプロイを妨げている。
改良されたディープクラスタリングとコントラスト学習に基づくフレームワークを提案する。
われわれはこのネットワークをAndroidデバイスに展開し、総合的なインテリジェントな呼吸音聴取システムを示す。
論文 参考訳（メタデータ） (2025-02-02T09:56:47Z) - Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。
健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。
ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
論文 参考訳（メタデータ） (2024-09-05T02:14:31Z) - Fuzzy Attention Neural Network to Tackle Discontinuity in Airway
Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。
いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。
本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文 参考訳（メタデータ） (2022-09-05T16:38:13Z) - Minute ventilation measurement using Plethysmographic Imaging and
lighting parameters [8.739176372427842]
睡眠時無呼吸などの呼吸障害は、肺の酸素と二酸化炭素を含有/交換する能力が不足し、体がホメオスタシスの安定した状態にあることを保証するために、多数の個人に影響を及ぼす致命的な疾患である。
微小換気などの呼吸測定は、心拍数や心拍変動などの他の生理的測定と相関して、健康状態の遠隔監視や呼吸関連疾患の症状の検出に用いられる。
論文 参考訳（メタデータ） (2022-08-29T00:42:48Z) - What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。
しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。
肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
論文 参考訳（メタデータ） (2022-07-07T04:24:17Z) - A Deep Learning Based Multitask Network for Respiration Rate Estimation
-- A Practical Perspective [1.290382979353427]
本稿では,心電図および加速度計信号から瞬時および平均呼吸速度を推定するための,ディープラーニング(DL)に基づくマルチタスクアーキテクチャを提案する。
提案モデルでは, 動作の異なる個々のモダリティよりも, 全体的な精度が向上し, より良好な結果が得られた。
論文 参考訳（メタデータ） (2021-12-13T11:33:42Z) - An Apparatus for the Simulation of Breathing Disorders: Physically
Meaningful Generation of Surrogate Data [24.50116388903113]
健常者における閉塞性および拘束性呼吸波形の両方をシミュレートする簡便かつ効果的な方法として,PVCチューブと3Dプリント部品からなる装置を提案する。
呼吸抵抗と呼吸抵抗の両方を独立に制御することで、FEV1/FVCの吸気比の全スペクトルを通して閉塞性呼吸障害をシミュレーションすることができる。
人工呼吸障害シミュレーション装置の使用による波形においても、吸気義務周期の変化やピークフローの変化などの呼吸障害の波形特性が観察される。
論文 参考訳（メタデータ） (2021-09-14T14:00:37Z) - Identification of deep breath while moving forward based on multiple
body regions and graph signal analysis [45.62293065676075]
本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。
検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
論文 参考訳（メタデータ） (2020-10-20T08:26:50Z) - CNN-MoE based framework for classification of respiratory anomalies and
lung disease detection [33.45087488971683]
本稿では,聴取分析のための頑健な深層学習フレームワークを提示し,検討する。
呼吸周期の異常を分類し、呼吸音の記録から病気を検出することを目的としている。
論文 参考訳（メタデータ） (2020-04-04T21:45:06Z)
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。