Fugu-MT 論文翻訳(概要): PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation

論文の概要: PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation

arxiv url: http://arxiv.org/abs/2605.12541v1
Date: Sat, 09 May 2026 07:39:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-14 23:30:27.561463
Title: PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation
Title（参考訳）: PG-LRF:電気循環式PSG-ECG生成のための生理誘導潜流
Abstract要約: 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。
参考スコア（独自算出の注目度）: 51.79176059799321
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Electrocardiography (ECG) is the clinical standard for cardiac assessment but requires dedicated hardware that does not scale to daily-life monitoring. Photoplethysmography (PPG) is ubiquitous in wearables but lacks ECG-specific diagnostic morphology and is corrupted by motion and sensor noise. PPG-to-ECG generation aims to bridge this gap by recovering electrical morphology and timing from peripheral pulse signals. However, existing methods largely rely on statistical alignment and data-driven generation. They fail to explicitly structure the latent space around physiology-aware electro-hemodynamic factors and lack constraints from forward physiological dynamics. To address these challenges, we propose PG-LRF, a physiology-guided latent rectified flow framework. PG-LRF introduces an electro-hemodynamic simulator that co-models ECG and PPG through shared cardiac phase dynamics. Guided by this simulator, a Physiology-Aware AutoEncoder learns a structured electro-hemodynamic latent space. Then we integrate this simulator guidance into a PPG-conditioned latent rectified flow, enforcing ECG-side morphology consistency and ECG-to-PPG forward hemodynamic consistency during generative transport. Experiments on the large-scale MC-MED dataset demonstrate that PG-LRF significantly improves PPG-to-ECG generation and downstream cardiovascular disease classification, proving its ability to generate ECGs that are both signal-faithful and physiologically plausible under the ECG-to-PPG hemodynamic pathway
Abstract（参考訳）: 心電図(Electrocardiography, ECG)は、心電図(心電図)の診断基準である。 Photoplethysmography (PPG) はウェアラブルではユビキタスだが、ECG特有の診断形態が欠如しており、動作やセンサノイズによって劣化している。 PPG-to-ECG生成は、周辺パルス信号から電気形態とタイミングを回復することにより、このギャップを埋めることを目的としている。しかし、既存の手法は統計アライメントとデータ駆動生成に大きく依存している。生理学を意識した電気血行力学的因子を取り巻く潜伏空間を明示的に構造化することはできず、フォワード生理学の制約を欠いている。これらの課題に対処するため,生理学誘導型潜水流フレームワークであるPG-LRFを提案する。 PG-LRFは心電図とPSGを共有相動力学により共モデル化する電気流体力学シミュレータを導入している。このシミュレーターでガイドされたオートエンコーダは、構造化されたエレクトロヘモダイナミック潜伏空間を学習する。次に、このシミュレーターガイダンスをPSG条件の遅延整流流れに統合し、生成輸送中のECG側形態整合とECG-PPG前行血行動態整合を強制する。大規模MC-MEDデータセットを用いた実験により、PG-LRFはPPG-to-ECGおよび下流心血管疾患の分類を著しく改善し、ECG-to-PPG血行路において信号忠実で生理学的に妥当なECGを産生する能力を示した。

関連論文リスト

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)
Learning Cardiac Latent Representations in Vectorcardiogram Space [54.12639543496968]
既存の方法は、観測可能なECG信号空間でのみ動作する。本稿では,VCG空間内で直接心臓電気活動の潜在性統一表現を学習することを提案する。 LVCGは、この物理的に接地された潜在空間で動作するように設計された、最初の汎用的な自己教師型表現学習フレームワークである。
論文参考訳（メタデータ） (2026-05-29T12:48:12Z)
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)
Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
論文参考訳（メタデータ） (2025-11-13T02:57:10Z)
PPGFlowECG: Latent Rectified Flow with Cross-Modal Encoding for PPG-Guided ECG Generation and Cardiovascular Disease Detection [30.418337408193125]
臨床的には、心電図(ECG)が心臓モニタリングの標準となっている。現在の手法は、高次元信号のモデリングの複雑さなど、重大な課題に直面している。 CardioAlign を通じて共有空間における PPG と ECG を協調する2段階フレームワーク PPGECG を提案する。以上の結果より, PPG-to-ECG翻訳法と心血管疾患検出法の有効性が示唆された。
論文参考訳（メタデータ） (2025-09-24T05:54:33Z)
Graph-Based Spatio-temporal Attention and Multi-Scale Fusion for Clinically Interpretable, High-Fidelity Fetal ECG Extraction [3.5236401979395833]
先天性心疾患 (CHD) が最も一般的な新生児の異常であり、早期発見が早期発見の必要性を浮き彫りにしている。しかし,腹壁心電図(aECG)の胎児心電図(fECG)信号は母体心電図やノイズによって隠蔽されることが多く,低信号-雑音比(SNR)条件下での従来の手法に挑戦する。本稿では,グラフニューラルネットワークとマルチスケール拡張トランスフォーマを統合し,動的にリード間相関をモデル化し,クリーンなfECG信号を抽出する深層学習フレームワークを提案する。
論文参考訳（メタデータ） (2025-09-05T19:44:21Z)
EEG-MedRAG: Enhancing EEG-based Clinical Decision-Making via Hierarchical Hypergraph Retrieval-Augmented Generation [45.031633614714]
EEG-MedRAGは3層ハイパーグラフに基づく検索拡張生成フレームワークである。 EEGドメイン知識、個々の患者ケース、大規模リポジトリをトラバース可能なn-aryリレーショナルハイパーグラフに統合する。第1回クロスリリース・クロスロールEEG臨床QAベンチマークを,7つの障害と5つの臨床的観点から紹介した。
論文参考訳（メタデータ） (2025-08-19T11:12:58Z)
Cross-Learning Between ECG and PCG: Exploring Common and Exclusive Characteristics of Bimodal Electromechanical Cardiac Waveforms [6.81602773853736]
本稿では,ECGとPCGの共通性と排他的特性について検討する。線形および非線形機械学習モデルを用いて、各モダリティを他方から再構成する。臨床的に関連がある心電図のバイオマーカー、例えば、動注点やQT間隔は、PCGのクロスオブジェクト設定から推定できる。
論文参考訳（メタデータ） (2025-06-11T22:16:59Z)
f-GAN: A frequency-domain-constrained generative adversarial network for PPG to ECG synthesis [5.206775979957893]
心電図(ECG)と光胸腺図(PSG)は、一般に個人の心血管の健康をモニターするために用いられる。臨床環境では、心電図とPSGが心臓血管の健康を評価する主要なシグナルであるが、その収集に必要な機器は日々のモニタリングでの使用を妨げている。組合わせPSG信号から心電図信号を合成するモデルを開発することにより、心電図が心血管の健康にもたらす情報と、PSGが容易に収集できることを両立させたい。
論文参考訳（メタデータ） (2024-05-15T18:53:05Z)
PPG-to-ECG Signal Translation for Continuous Atrial Fibrillation Detection via Attention-based Deep State-Space Modeling [11.617950008187366]
光胸腺造影法(英: Photoplethysmography, PPG)は、光学的手法を用いて心臓生理学を計測する費用効率の高い非侵襲的手法である。本稿では,PPG信号を対応するECG波形に変換するために,主観非依存の注目に基づく深部状態空間モデル(ADSSM)を提案する。
論文参考訳（メタデータ） (2023-09-27T03:07:46Z)
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)
Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。