論文の概要: Cardiac Stability Theory: An Axiomatically Grounded Framework for Continuous Cardiac Health Monitoring via Smartphone Photoplethysmography

• arxiv url: http://arxiv.org/abs/2604.23876v2
• Date: Mon, 04 May 2026 15:10:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.416645
• Title: Cardiac Stability Theory: An Axiomatically Grounded Framework for Continuous Cardiac Health Monitoring via Smartphone Photoplethysmography
• Title（参考訳）: 心安定理論:スマートフォンを用いた連続心臓健康モニタリングのための公理的基盤化フレームワーク
• Authors: Timothy Oladunni, Farouk Ganiyu Adewumi,
• Abstract要約: 心血管の健康を心動性誘引器の安定性の限界として正式に定義する軸相的基盤の枠組みを提示する。 4つの公理から、時間遅延埋め込みにおける複合スカラーである心安定指数(CSI)を導出する。 我々は、CDT(Complementary Domain Transfer)を介して、CSIをスマートフォンPPGに拡張する。 本研究は, 経時的安定度測定値の相対人口年齢を導出し, 商品追跡と心的リスク階層化から連続的非侵襲的心臓モニタリングを可能にした。
• 参考スコア（独自算出の注目度）: 1.1344265020822928
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present Cardiac Stability Theory (CST), an axiomatically grounded framework formally defining cardiovascular health as a stability margin around a cardiac dynamical attractor. From four axioms we derive the Cardiac Stability Index (CSI), a composite scalar in [0,1] integrating the largest Lyapunov exponent, recurrence determinism, and signal entropy via time-delay embedding. The ECG-based model (CSISurrogateV2, CNN-Transformer) achieves $R^2=0.8788$, MAE$=0.0234$ on PTB-XL (21,799 recordings). We extend CSI to smartphone PPG via Complementary Domain Transfer (CDT): CSISurrogateV2 generates pseudo-labels for the BUT PPG dataset (48 recordings, 12 subjects), training TinyCSINet (122,849 parameters), achieving MAE$=0.0557$, $ρ=0.660$ on the held-out test set ($n=1065$ windows) at ${<}30$ ms mobile latency. CDT is validated on BIDMC, Welltory, and RWS-PPG. Paired validation on 5,035 BIDMC windows yields $r=0.454$ ($ρ=0.485$, $p<10^{-295}$), confirming correlated cardiac stability across modalities. CSI is negatively correlated with age (slope $= -0.000225$ CSI/year, PTB-XL), discriminates atrial fibrillation from normal sinus rhythm (AUROC$=0.89$), and is robust under Perturbation Invariance Training (max AUC drop 1.65\%). We derive HeartSpan, a longitudinal stability metric relative to population age norms, enabling continuous non-invasive cardiac monitoring from commodity smartphones for longevity tracking and cardiac risk stratification.
• Abstract（参考訳）: 本論では,心血管系の健康を心動性誘引器の周囲の安定性の限界として定義する軸相的基盤的枠組みである心安定理論(CST)について述べる。 4つの公理から、[0,1]における複合スカラーである心安定指数(CSI)を導出し、最大のリャプノフ指数、反復決定性、時間遅延埋め込みによる信号エントロピーを積分する。 ECGベースのモデル(CSISurrogateV2, CNN-Transformer)は、TB-XL(21,799レコード)でR^2=0.8788$, MAE$=0.0234$を達成している。 CSIをComplementary Domain Transfer (CDT): CSISurrogateV2は、BUT PPGデータセット(48レコード12件)の擬似ラベルを生成し、TinyCSINet(122,849パラメータ)をトレーニングし、MAE$=0.0557$, $ρ=0.660$を持てるテストセット(n=1065$ウィンドウ)を${<}30$msモバイルレイテンシで達成する。 CDTはBIDMC、Welltory、RWS-PPGで検証されている。 5,035 BIDMCウィンドウのペア検証は、r=0.454$(ρ=0.485$, $p<10^{-295}$)となり、モダリティ間の相関心安定性を確認する。 CSIは年齢(slope $=-0.000225$ CSI/year, PTB-XL)と負の相関を持ち、正常洞リズム(AUROC$=0.89$)と心房細動を区別し、摂動不変性トレーニング(max AUC drop 1.65\%)では堅牢である。 人口年齢基準に対する経時的安定性指標であるHeartSpanを導出し,コモディティスマートフォンから連続的非侵襲的心臓モニタリングを可能にし,長寿命追跡と心的リスク階層化を実現した。

関連論文リスト

• Detecting Neurovascular Instability from Multimodal Physiological Signals Using Wearable-Compatible Edge AI: A Responsible Computational Framework [0.0]
  ウェアラブル互換の生理信号から神経血管不安定性(NVI)を検出するためのマルチモーダルMLフレームワークであるMeraguardを提案する。 毎年1220万回のインシデントストロークで、連続したマルチモーダルな生理的モニタリングは、コミュニティスケールのスクリーニングへの実践的なパスを提供する。
  論文  参考訳（メタデータ） (2026-03-20T19:17:46Z)
• Explainable Parallel CNN-LSTM Model for Differentiating Ventricular Tachycardia from Supraventricular Tachycardia with Aberrancy in 12-Lead ECGs [4.263117296632119]
  本稿では,診断精度を向上させるための計算効率のよいディープラーニングソリューションを提案し,臨床展開のためのモデル解釈性を提供する。 各パイプラインは2つの1D-CNNブロックを使用して各ECGリードを処理し、局所的な特徴を抽出する。 このモデルは、95%$ CI:93.07-98.19%$、感度=95.10%$、特異性=96.06%$、F1-score=95.12%$を達成した。
  論文  参考訳（メタデータ） (2025-07-14T12:12:34Z)
• Cardioformer: Advancing AI in ECG Analysis with Multi-Granularity Patching and ResNet [0.6919386619690135]
  Cardioformerは、新しいマルチグラニュラリティハイブリッドモデルである。 チャネル間のパッチ、階層的残差学習、および2段階の自己認識機構を統合している。 一貫して4つの最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-05-08T16:44:21Z)
• 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)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• 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)
• Self-supervised motion descriptor for cardiac phase detection in 4D CMR based on discrete vector field estimations [1.5755566067326996]
  本研究では, 変形可能なベクトル場を用いて心循環の動的過程を, 導出した1次元モーションディスクリプタの形で効率的に記述する方法を示す。 我々は, マルチディスリーブ, センター, 走査型短軸CMRデータセットにおけるモーションディスクリプタの妥当性を評価する。
  論文  参考訳（メタデータ） (2022-09-13T07:23:17Z)
• Towards Personalized Healthcare in Cardiac Population: The Development of a Wearable ECG Monitoring System, an ECG Lossy Compression Schema, and a ResNet-Based AF Detector [19.706400613998703]
  心房細動(AF)は通常、心電図(ECG)を用いて診断される。 本書では、ウェアラブルECGデバイス、モバイルアプリケーション、バックエンドサーバを具現化したパーソナライズされた医療システムの設計と実装について述べる。
  論文  参考訳（メタデータ） (2022-07-11T19:08:46Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。