論文の概要: Uncovering Trajectory and Topological Signatures in Multimodal Pediatric Sleep Embeddings

• arxiv url: http://arxiv.org/abs/2605.14156v1
• Date: Wed, 13 May 2026 22:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.521038
• Title: Uncovering Trajectory and Topological Signatures in Multimodal Pediatric Sleep Embeddings
• Title（参考訳）: マルチモーダル型小児睡眠ベッドにおける軌跡とトポロジカルシグナチャの発見
• Abstract要約: 本研究は, 自己エンコーダに埋め込まれた30秒の小児PSGエポックに含まれるセッションワイド診断情報について検討する。 本研究は, PHATE 由来の組込み座標と一晩移動記述子, 組込み雲の持続的ホモロジー要約, EHR がタスク関連信号を生成するかどうかを検証した。
• 参考スコア（独自算出の注目度）: 2.2917707112773593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While generative models have shown promise in pediatric sleep analysis, the latent structure of their multimodal embeddings remains poorly understood. This work investigates session-wide diagnostic information contained in the sequences of 30-second pediatric PSG epochs embedded by a multimodal masked autoencoder. We test whether augmenting embeddings with PHATE-derived per-epoch coordinates and whole-night movement descriptors, persistent homology summaries of the embedding cloud, and EHR yields task-relevant signals. Simple linear and MLP models, chosen for interpretability rather than state-of-the-art performance, show that geometric, topological, and clinical features each provide complementary gains. For binary predictions, feature importance is task-dependent, and more expressive late-fusion models generally perform better, with AUPRC improving from 0.26 to 0.34 for desaturation, 0.31 to 0.48 for EEG arousal, 0.09 to 0.22 for hypopnea, and 0.05 to 0.14 for apnea. We also report Brier score and Expected Calibration Error, where the full fusion model yields the best calibration across all four binary tasks. Our study reveals that latent geometry/topology and EHR offer complementary, interpretable signals beyond embeddings, improving calibration and robustness under extreme imbalance.
• Abstract（参考訳）: 生成モデルは小児睡眠分析において有望であるが、多モード埋め込みの潜伏構造はいまだに理解されていない。 本研究は, マルチモーダルマスク型オートエンコーダに埋め込まれた30秒の小児PSGエポックのシーケンスに含まれるセッションワイド診断情報について検討する。 本研究は, PHATE 由来の組込み座標と一晩移動記述子, 組込み雲の持続的ホモロジー要約, EHR がタスク関連信号を生成するかどうかを検証した。 単純な線形モデルとMDPモデルは、最先端の性能よりも解釈可能性に選択され、幾何学的、位相的、臨床的な特徴が相補的な利益をもたらすことを示す。 2値予測では、特徴の重要性はタスク依存であり、より表現力のある後期核融合モデルは一般的により良く機能し、AUPRCは飽和度0.26から0.34に改善され、EEG覚醒度0.31から0.48に、低呼吸度0.09から0.22に改善され、無呼吸度0.05から0.14に改善された。 また、Brierのスコアと期待キャリブレーション誤差を報告し、フル融合モデルが4つの2次タスクの全てに最適なキャリブレーションをもたらす。 本研究により, 潜時幾何学・トポロジーおよびEHRは, 埋め込みを超越した相補的, 解釈可能な信号を提供し, 極端不均衡下での校正とロバスト性の向上を図った。

関連論文リスト

• Bridging Single Distortion Artifacts and Multifactorial Clinical Quality: Few-shot Biparametric MRI Quality Assessment via Distortion-trained Prototypical Networks [37.46263264161563]
  画像品質自動評価(IQA)のための数発のプロトタイプネットワークを提案する。 我々のフレームワークは、T2重み付きDWI特徴を融合させるためにデュアルブランチ3D ResNetを使用し、真の形態と歪みを区別するための解剖学的コンテキストを提供する。 比較的客観的な歪みラベルのみに基づいてメタトレーニングされたモデルが、複雑で多因子的な臨床品質スコアの予測に効果的に適応できることを実証する。
  論文  参考訳（メタデータ） (2026-06-17T09:50:45Z)
• Multimodal Ordinal Modeling of Alzheimer's Disease Severity Using Structural MRI and Clinical Data [0.9786690381850356]
  アルツハイマー病(AD)は、重症度を評価するための正確でスケーラブルなツールを必要とする。 自動かつ解釈可能なAD重度ステージングのための順序回帰を用いた注目強化型機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-10T08:26:11Z)
• Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
  連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
  論文  参考訳（メタデータ） (2026-04-30T14:59:50Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• Transformer-Based Sleep Stage Classification Enhanced by Clinical Information [1.2360653373668684]
  ポリソムノグラフィー(PSG)による手動睡眠ステージングは、労働集約的であり、スカラー間変動の傾向が強い。 本稿ではトランスフォーマーをベースとしたエンコーダと1D CNNアグリゲータを組み合わせた2段階アーキテクチャを提案する。 文脈融合がステージング精度を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-11-12T01:04:21Z)
• Differentiated Thyroid Cancer Recurrence Classification Using Machine Learning Models and Bayesian Neural Networks with Varying Priors: A SHAP-Based Interpretation of the Best Performing Model [0.0]
  甲状腺癌のDTC再発は主要な公衆衛生上の問題である。 本研究は, 383名の患者を対象としたデータセットを用いて, DTC再分類のための包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-07-25T06:31:31Z)
• Microelectrode Signal Dynamics as Biomarkers of Subthalamic Nucleus Entry on Deep Brain Stimulation: A Nonlinear Feature Approach [0.0]
  本稿では、非線形力学とエントロピーに基づくメトリクスを利用して、STN内外から記録された神経活動の分類を行うフレームワークを提案する。 本研究は,DBS手術中におけるリアルタイム・データ駆動意思決定支援における非線形・エントロピー信号記述子の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-06-14T23:23:26Z)
• 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)
• MobileNetV2: A lightweight classification model for home-based sleep apnea screening [3.463585190363689]
  本研究は、心電図(ECG)と呼吸信号から抽出した特徴を早期OSAスクリーニングに利用した、新しい軽量ニューラルネットワークモデルを提案する。 ECG信号は睡眠段階を予測するための特徴スペクトログラムを生成するのに使用され、呼吸信号は睡眠関連呼吸異常を検出するために用いられる。 これらの予測を統合することで、AHI(apnea-hypopnea index)を精度良く算出し、OSAの正確な診断を容易にする。
  論文  参考訳（メタデータ） (2024-12-28T01:37:25Z)
• Phikon-v2, A large and public feature extractor for biomarker prediction [42.52549987351643]
  我々は、DINOv2を用いて視覚変換器を訓練し、このモデルの1つのイテレーションを公開して、Phikon-v2と呼ばれるさらなる実験を行う。 Phikon-v2は、公開されている組織学のスライドをトレーニングしながら、以前リリースしたモデル(Phikon)を上回り、プロプライエタリなデータでトレーニングされた他の病理学基盤モデル(FM)と同等に動作します。
  論文  参考訳（メタデータ） (2024-09-13T20:12:29Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)

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。