論文の概要: Multi-View Hierarchical Representation Learning of Fetal Hemodynamics for Maternal Hypertension Detection at the Edge

• arxiv url: http://arxiv.org/abs/2605.00872v1
• Date: Fri, 24 Apr 2026 18:28:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 06:56:26.486572
• Title: Multi-View Hierarchical Representation Learning of Fetal Hemodynamics for Maternal Hypertension Detection at the Edge
• Title（参考訳）: 母性高血圧検出のための胎児血行動態の多面的階層的表現学習
• Authors: Alireza Rafiei, Anahí Venzor Strader, Esteban Castro Aragón, Victoriana Rosibely Sut Serech, Enma Carolina Coyote Ixen, Reza Sameni, Peter Rohloff, Gari D. Clifford, Nasim Katebi,
• Abstract要約: 妊娠の高血圧性疾患は、世界中で母体と胎児の死亡の原因となっている。 我々は,短時間・長期の信号構造をモデル化した階層型アテンションネットワークであるAutoHyPEを開発した。 以上の結果より,胎児心活動は母体高血圧状態を示す血行動態を含むことが明らかとなった。
• 参考スコア（独自算出の注目度）: 2.8779869644190565
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hypertensive disorders of pregnancy remain a leading cause of maternal and fetal morbidity worldwide, yet diagnosis relies on intermittent cuff-based blood pressure measurements that are prone to bias and fail to capture continuous physiological dynamics. Growing evidence suggests that fetal cardiovascular activity is associated with maternal-placental hemodynamics and may encode markers of maternal hypertension. To analyze this, we collected a large-scale dataset of fetal one-dimensional Doppler ultrasound recordings paired with maternal blood pressure from 3,255 pregnant women across 8,170 antenatal visits in rural Guatemala. We developed AutoHyPE, a hierarchical attention network that models short- and long-term signal structure, incorporating a novel prototype-based contrastive learning and multi-view strategy to enhance representation robustness under long-tailed class distribution and biological variability. AutoHyPE achieved an AUROC of 0.80 for maternal hypertension detection, outperforming baseline approaches while maintaining balanced performance across classes, with no performance degradation in an edge deployment scenario. Our findings demonstrated that fetal cardiac mechanical activity contains hemodynamic features indicative of maternal hypertension status. This supports a promising paradigm shift toward continuous, objective monitoring of maternal health using existing, low-cost ultrasound technology and introduces a complementary approach to traditional methods based on blood pressure measurements, advancing scalable prenatal care.
• Abstract（参考訳）: 妊娠の高血圧性障害は、世界中で母体と胎児の致死性の主要な原因であり続けているが、診断は間欠的なカフベースの血圧測定に依存しており、バイアスを起こしやすく、継続的な生理的ダイナミクスを捉えることができない。 胎児の心血管活動は母性胎盤血行動態と関連しており、母性高血圧のマーカーをコードしていると考えられる。 これを分析するため,グアテマラ農村部における妊婦3,255人の妊婦の胎児1次元超音波検査データと母体血圧を併用した大規模データセットを収集した。 我々は,短期・長期の信号構造をモデル化した階層型アテンションネットワークであるAutoHyPEを開発した。 AutoHyPEは、母性高血圧の検出において0.80のAUROCを達成した。 以上の結果より,胎児の心臓活動には母体高血圧状態を示す血行動態が関与していることが示唆された。 これは、既存の低コスト超音波技術を用いて、母体の健康を継続的に客観的に監視することへの有望なパラダイムシフトをサポートし、血圧測定に基づく従来の方法と相補的なアプローチを導入し、スケーラブルな出生前ケアを推し進める。

関連論文リスト

• Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos [58.71502465551297]
  MICCAI 2024と共同でIUGC(Intrapartum Ultrasound Grand Challenge)が打ち上げられた。 IUGCは、標準的な平面分類、胎児の頭頂部生理的セグメンテーション、バイオメトリーを統合した、臨床指向のマルチタスク自動測定フレームワークを導入している。 この課題は、これまでに3つの病院から収集された774のビデオ(68,106フレーム)を含む、最大規模のマルチセンターの超音波ビデオデータセットをリリースしている。
  論文  参考訳（メタデータ） (2026-02-13T13:28:22Z)
• Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
  医療用AIシステムFetalMindについて報告する。 本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
  論文  参考訳（メタデータ） (2025-10-14T19:57:03Z)
• FHRFormer: A Self-supervised Transformer Approach for Fetal Heart Rate Inpainting and Forecasting [0.34202935599316514]
  胎児心拍数(FHR)モニタリングは、出生前医療における胎児の健康を評価する上で重要な役割を担っている。 人工知能(AI)手法を適用して、持続的なFHR監視エピソードの大規模なデータセットを分析することで、呼吸補助や介入を必要とするリスクを予測する新たな洞察が得られるかもしれない。 マスク付きトランスフォーマーを用いたオートエンコーダ手法を提案し, 空間成分と周波数成分の両方を捕捉することにより, 欠落したFHR信号を再構成する。
  論文  参考訳（メタデータ） (2025-09-25T07:40:21Z)
• AGE-US: automated gestational age estimation based on fetal ultrasound images [0.695054745486515]
  少なからぬ出生は、新生児死亡率の増加や、将来の心臓病の可能性が高まるなど、重大な健康リスクをもたらす。 本研究では,自動妊娠年齢計算のための解釈可能な深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-06-19T12:15:06Z)
• 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)
• PIPPI2021: An Approach to Automated Diagnosis and Texture Analysis of the Fetal Liver & Placenta in Fetal Growth Restriction [0.0]
  胎児成長制限 (FGR) は胎児が成長電位に達するのに失敗したことを特徴とする妊娠状態である。 本研究は、胎児臓器に対するFGRの効果を検証し、概念実証として機能する。
  論文  参考訳（メタデータ） (2022-11-01T08:41:30Z)
• Automatic Segmentation of the Placenta in BOLD MRI Time Series [7.495136385800027]
  BOLD MRIの胎盤を自動的に分割するU-Netニューラルネットワークアーキテクチャに基づく機械学習モデルを提案する。 健康な胎児,胎児の成長制限のある胎児,高BMIの母親を含む91名の被験者を対象に,本モデルを訓練・試験した。
  論文  参考訳（メタデータ） (2022-08-04T21:51:10Z)
• Interpretable Prediction of Pulmonary Hypertension in Newborns using Echocardiograms [2.770437783544638]
  新生児および乳児の肺高血圧は、いくつかの肺疾患、心臓疾患、全身疾患に関連する複雑な疾患である。 心エコー図を用いたコホート194新生児のPH予測のための多視点ビデオに基づく多視点深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T12:33:58Z)
• Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
  胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。 セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。 次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
  論文  参考訳（メタデータ） (2020-04-28T14:43:05Z)

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。