論文の概要: Attention-Guided Fusion of 1D and 2D CNNs for Robust ECG-Based Biometric Recognition

• arxiv url: http://arxiv.org/abs/2605.17685v1
• Date: Sun, 17 May 2026 22:56:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.397206
• Title: Attention-Guided Fusion of 1D and 2D CNNs for Robust ECG-Based Biometric Recognition
• Title（参考訳）: 頑健な心電図に基づく生体認証のための1次元CNNと2次元CNNの注意誘導融合
• Authors: Arioua, Islameddine, Benzaoui, Amir, Zeroual, Abdelhafid, Houam, Lotfi,
• Abstract要約: 心電図(ECG)に基づく生体認証は、安全な認証と生存度検出のための有望なソリューションとして浮上している。 既存のほとんどの手法は、一次元(1D)時間信号または2次元(2D)時間周波数表現を独立に処理する、一様深層学習アーキテクチャに依存している。 本稿では,1次元および2次元畳み込みニューラルネットワーク(CNN)をエンドツーエンドアーキテクチャに統合したハイブリッドフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.5980155224868112
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Electrocardiogram (ECG)-based biometric recognition has emerged as a promising solution for secure authentication and liveness detection. However, most existing methods rely on unimodal deep learning architectures that independently process either one-dimensional (1D) temporal signals or two-dimensional (2D) time-frequency representations, limiting robustness and generalization. To address this issue, this paper proposes a hybrid framework integrating 1D and 2D convolutional neural networks (CNNs) within a unified end-to-end architecture. The 1D branch extracts temporal and morphological features from raw ECG signals, while the 2D branch captures discriminative spectral information from time-frequency representations. An attention-guided fusion mechanism dynamically weights both modalities according to input characteristics, overcoming the limitations of conventional static fusion strategies. The framework was evaluated on three benchmark datasets (ECG-ID, MIT-BIH, and PTB), including healthy subjects and patients with cardiac pathologies, achieving identification accuracies of 99.56%, 100.00%, and 99.89%, respectively. To assess long-term biometric permanence, experiments were also conducted on the multi-session Heartprint dataset spanning ten years. The proposed approach achieved same-session accuracies of 98.54% (S1), 99.09% (S2), 94.93% (S3R), and 96.08% (S3L), while cross-session evaluations reached 56.33% (S1-S2) and 53.27% (S2-S3R), demonstrating the ability to capture stable biometric signatures over time. The optimal configuration combines InceptionTime for 1D processing, ResNet-34 for 2D analysis, and attention-based fusion. Ablation studies confirm that the proposed attention mechanism consistently outperforms conventional fusion approaches. Overall, the proposed framework provides a robust, scalable, and high-performance solution for ECG biometric recognition.
• Abstract（参考訳）: 心電図(ECG)に基づく生体認証は、安全な認証と生存度検出のための有望なソリューションとして浮上している。 しかし、既存のほとんどの手法は、一次元(1D)時間信号または2次元(2D)時間周波数表現を独立に処理し、ロバスト性や一般化を制限する、一様深層学習アーキテクチャに依存している。 そこで本研究では,1次元および2次元畳み込みニューラルネットワーク(CNN)をエンド・ツー・エンド・エンド・アーキテクチャに統合したハイブリッド・フレームワークを提案する。 1Dブランチは生のECG信号から時間的および形態的特徴を抽出し、2Dブランチは時間周波数表現から識別スペクトル情報をキャプチャする。 注意誘導型核融合機構は、従来の静的核融合戦略の限界を克服し、入力特性に応じて両方のモードを動的に重み付けする。 このフレームワークは、健康な患者と心臓病患者を含む3つのベンチマークデータセット(ECG-ID、MIT-BIH、TB)で評価され、それぞれ99.56%、100.00%、99.89%の確証を得た。 長期にわたる生体の永続性を評価するため、10年間にわたるマルチセッションHeartprintデータセットの実験も行われた。 提案手法は98.54% (S1), 99.09% (S2), 94.93% (S3R), 96.08% (S3L), 56.33% (S1-S2) と53.27% (S2-S3R) の同一セッション精度を達成した。 最適構成は、1D処理にInceptionTime、2D解析にResNet-34、注意に基づく融合を組み合わせたものである。 アブレーション研究は、提案された注意機構が従来の核融合法よりも一貫して優れていることを確認した。 全体として、提案するフレームワークは、ECG生体認証のための堅牢でスケーラブルで高性能なソリューションを提供する。

関連論文リスト

• ECG-biometrics-bench: A Unified Framework for Reproducible Benchmarking of ECG Biometrics [0.0]
  心電図(ECG)バイオメトリックスは、ウェアラブルシステムにおいて、持続的で生きた認証のための有望なモダリティとして登場した。 我々は、広く使用されている7つのパブリックECGデータセットの事前処理、セグメンテーション、評価を標準化する、モジュラーで再現可能なベンチマークフレームワークであるECG-biometrics-benchを紹介する。
  論文  参考訳（メタデータ） (2026-05-02T17:31:16Z)
• Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis [45.00216485193071]
  心電図による心臓の異常は, 長期分布により検出が困難である。 我々は、自己教師付き異常検出と人口動態認識型表現学習を統合したAI支援二段階ECGフレームワークを開発した。 本手法は,まれな異常に対して94.7%のAUROCを達成し,コモン・レア性能のギャップを73%削減する。
  論文  参考訳（メタデータ） (2026-03-20T07:04:00Z)
• BEAT-Net: Injecting Biomimetic Spatio-Temporal Priors for Interpretable ECG Classification [1.3909285316906435]
  BEAT-NetはTokenizationフレームワークを用いたバイオミメティックECG分析である。 局所的なビート形態を抽出する特殊なエンコーダによって心臓生理を分解する。 例外的なデータ効率を示し、注釈付きデータの30～35%しか使用せずに、完全に教師付きのパフォーマンスを回復する。
  論文  参考訳（メタデータ） (2026-01-12T08:37:47Z)
• S2M2ECG: Spatio-temporal bi-directional State Space Model Enabled Multi-branch Mamba for ECG [7.306716869083474]
  本研究では,3レベル融合機構を備えたSSMアーキテクチャであるS2M2ECGを提案する。 S2M2ECGは、リズム、形態、臨床シナリオにおいて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2025-09-03T06:52:50Z)
• A Novel Data Augmentation Strategy for Robust Deep Learning Classification of Biomedical Time-Series Data: Application to ECG and EEG Analysis [2.355460994057843]
  本研究では,様々な信号タイプにまたがる最先端性能を実現する,新しい統合型深層学習フレームワークを提案する。 従来の研究とは異なり、将来予測能力を達成するために信号の複雑さを科学的に増加させ、最高の予測を導いた。 アーキテクチャには130MBのメモリとプロセスが10ミリ秒で必要であり、ローエンドデバイスやウェアラブルデバイスへのデプロイに適していることを示唆している。
  論文  参考訳（メタデータ） (2025-07-16T21:38:10Z)
• TRACE: Temporally Reliable Anatomically-Conditioned 3D CT Generation with Enhanced Efficiency [40.82927972746919]
  TRACEは、時間的アライメントを備えた3D医療画像を生成するフレームワークである。 重なり合うフレームフレームは、対をフレキシブルな長さシーケンスに分割し、時間的および解剖学的に整列された3Dボリュームに再構成する。
  論文  参考訳（メタデータ） (2025-07-01T14:35:39Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• 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)
• ECG Heartbeat Classification Using Multimodal Fusion [13.524306011331303]
  本稿では,心電図の心拍数分類のための2つの計算効率の良いマルチモーダル融合フレームワークを提案する。 MFFでは,CNNの垂直層から特徴を抽出し,それらを融合させてユニークかつ相互依存的な情報を得た。 不整脈では99.7%,MIでは99.2%の分類が得られた。
  論文  参考訳（メタデータ） (2021-07-21T03:48:35Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。