論文の概要: Toward World Modeling of Physiological Signals with Chaos-Theoretic Balancing and Latent Dynamics
- arxiv url: http://arxiv.org/abs/2605.15465v1
- Date: Thu, 14 May 2026 23:06:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.122431
- Title: Toward World Modeling of Physiological Signals with Chaos-Theoretic Balancing and Latent Dynamics
- Title（参考訳）: カオス理論バランシングと潜在ダイナミクスを用いた生理信号の世界モデリングに向けて
- Authors: Yunfei Luo, Xi Chen, Yuliang Chen, Lanshuang Zhang, Md Mofijul Islam, Siwei Zhao, Peter Kotanko, Subhasis Dasgupta, Andrew Campbell, Rakesh Malhotra, Tauhidur Rahman,
- Abstract要約: 我々は多変量生理信号と臨床介入変数の両方を共有潜在空間にエンコードする世界モデルであるNormWear-2を紹介する。
我々のアプローチは、事前訓練された知識(直観)からの推論と即時非パラメトリック潜在状態遷移適応(視点)を組み合わせたものである。
我々は、異種時間分解能と介入体制にまたがる様々な現実世界の生理的データセットにおける世界モデル性能を評価する。
- 参考スコア（独自算出の注目度）: 11.273542534850506
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Physiological time series signals reflect complex, multi-scale dynamical processes of the human body. Existing modeling studies focus on static tasks such as classification, event forecasting, or short-horizon next step prediction, while long-horizon signal-level forecasting and predictive nature of physiological signals remain underexplored. We introduce NormWear-2, a world model that encodes both multivariate physiological signals and clinical intervention variables into a shared latent space and models their joint temporal evolution as a dynamical system. Our approach combines inference from prior pre-trained knowledge (intuition) with instant non-parametric latent state transition adaptation (insight), enabling coherent forecasting across multiple temporal scales, conditioned on heterogeneous clinical interventions. During the pretraining phase, we find that chaos-theoretic balancing of dynamical regime diversity yields more robust representations, with a smaller balanced corpus outperforming one twice its size and capturing bifurcation regimes. We evaluate the world model performance across diverse real-world physiological datasets spanning heterogeneous temporal resolutions and intervention regimes, covering daily life, point-of-care, and clinical settings, including fitness planning, hemodialysis, diabetes management, and surgical monitoring. These evaluation datasets comprise records from 8,026 subjects, spanning study durations from 3.2 hours for high-resolution signal data to 2.3 years for longitudinal clinical biomarker tracking. NormWear-2 achieves the best overall forecasting performance across time, frequency, and latent representation domains, with significant improvements over state-of-the-art time series foundation models, while maintaining competitive downstream representation quality, providing a step toward general-purpose world models for physiological signals.
- Abstract（参考訳）: 生理的時系列信号は、人間の身体の複雑な多スケールの動的過程を反映する。
既存のモデリング研究は、分類、事象予測、短期水平次ステップ予測のような静的なタスクに焦点を合わせ、一方、長期水平信号レベルの予測と生理的信号の予測的性質は未解明のままである。
我々は,多変量生理信号と臨床介入変数の両方を共有潜在空間にエンコードする世界モデルであるNormWear-2を紹介し,その共同時間進化を動的システムとしてモデル化する。
提案手法は,事前学習した知識(直観)と即時非パラメトリック潜在状態遷移適応(直観)を組み合わせ,多段階にわたるコヒーレント予測を可能にした。
事前学習の段階では、動的レジームの多様性のカオス理論的バランスはより堅牢な表現をもたらし、バランスの取れたコーパスは2倍の大きさのコーパスを達成し、分岐レジームを捕獲する。
我々は,不均一な時間的解決と介入体制にまたがる様々な現実世界の生理的データセットを対象とした世界モデルの性能評価を行い,健康計画,血液透析,糖尿病管理,外科的モニタリングなど,日常生活,ポイント・オブ・ケア,臨床環境について検討した。
これらの評価データセットは8,026名の被験者から作成され、高分解能信号データでは3.2時間、縦断的な臨床バイオマーカー追跡では2.3年である。
NormWear-2は、時間、周波数、潜在表現領域で最高の全体的な予測性能を達成し、最先端の時系列の基礎モデルよりも大幅に改善され、競争力のある下流表現の品質を維持し、生理的信号の汎用世界モデルに向けた一歩となる。
関連論文リスト
- Uncertainty-Driven Anomaly Detection for Psychotic Relapse Using Smartwatches: Forecasting and Multi-Task Learning Fusion [17.706122087921038]
我々は,日常的再発検出のための2つのスマートウォッチベースのフレームワークを開発し,体系的に研究する。
第1の予測は、異常の指標として、予測された特徴と観察された特徴のずれを心臓力学とフラグで予測する。
2つ目は、睡眠と心臓由来の信号とを融合させるマルチタスクの定式化である。
論文 参考訳（メタデータ） (2026-05-13T17:43:07Z) - LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。
LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
論文 参考訳（メタデータ） (2026-05-11T09:54:02Z) - Simulating clinical interventions with a generative multimodal model of human physiology [49.828582089394445]
HealthFormerは、人間の生理的軌道を生成的にモデル化するデコーダのみのトランスフォーマーである。
7つの領域にまたがる667個の測定値に対して,各被験者の健康軌道をトークン化する。
HealthFormerは、30のインシデント障害および死亡エンドポイントのうち27の予測を改善し、各比較で確立された臨床リスクスコアを超えた。
論文 参考訳（メタデータ） (2026-04-30T14:10:30Z) - MedMamba: Recasting Mamba for Medical Time Series Classification [6.852021597208217]
心電図(ECG)や脳電図(EEG)などの医療時系列は、複雑な時間的ダイナミクスを示す。
本稿では,医療時系列分類に適した,原理駆動型多方向性状態空間アーキテクチャであるMedMambaを提案する。
我々の設計は、空間集中化、多時間的時間的構成、非因果的文脈依存という、生理的信号の3つの重要な帰納的バイアスによって導かれる。
論文 参考訳（メタデータ） (2026-04-17T01:20:02Z) - Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics [51.85385061275941]
分子動力学(MD)シミュレーションは、タンパク質動力学研究のゴールドスタンダードのままである。
近年の生成モデルではシミュレーションの加速が期待できるが、長軸生成に苦慮している。
物理的に可塑性なタンパク質軌道をマイクロスケールの時間スケールで生成する拡張拡散モデルSTAR-MDを提案する。
論文 参考訳（メタデータ） (2026-02-02T14:13:28Z) - Conditional Neural ODE for Longitudinal Parkinson's Disease Progression Forecasting [51.906871559732245]
パーキンソン病(PD)は異質で進化する脳形態計測パターンを示す。
これらの縦方向の軌跡をモデル化することで、機械的な洞察、治療の発展、そして個別化された「デジタルツイン」予測が可能になる。
連続的な個人化されたPD進行予測のための新しいフレームワークであるCNODEを提案する。
論文 参考訳（メタデータ） (2025-11-06T20:16:33Z) - Multimodal Disease Progression Modeling via Spatiotemporal Disentanglement and Multiscale Alignment [16.824692012617334]
$textttDiPro$は、リージョン対応のアンタングルメントとマルチタイムアライメントによる課題に対処する新しいフレームワークである。
MIMICデータセットの実験では、$textttDiPro$が時間的臨床的ダイナミクスを効果的に抽出できることが示されている。
論文 参考訳（メタデータ） (2025-10-13T08:02:36Z) - Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - Assessing Foundation Models' Transferability to Physiological Signals in Precision Medicine [0.0]
この研究は、基礎モデルの医療的文脈における伝達能力を評価するための体系的なパイプラインを導入している。
まず、生理シミュレーションソフトウェアを利用して、多様な臨床的シナリオを生成する。
第2に、パイプラインは基礎モデルを通してこれらのシミュレートされた信号を投影し、埋め込みを取得し、線形手法を用いて評価する。
第3に、パイプラインは特定の下流医療タスクを通じてこれらの表現を検証する。
論文 参考訳（メタデータ） (2024-12-04T16:17:09Z) - Latent Temporal Flows for Multivariate Analysis of Wearables Data [0.9990687944474738]
本稿では,この設定に適した時系列の多変量モデリング手法であるLatent Temporal Flowsを紹介する。
提案手法は,マルチステップ予測ベンチマークにおいて常に最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-14T02:54:34Z)
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。