論文の概要: HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals

• arxiv url: http://arxiv.org/abs/2605.26190v1
• Date: Mon, 25 May 2026 09:22:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.280747
• Title: HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals
• Title（参考訳）: HRVコンフォーマー : 心拍信号を用いた新生児低酸素虚血性脳症分類
• Authors: Shuwen Yu, William P Marnane, Geraldine B. Boylan, Gordon Lightbody,
• Abstract要約: 本稿では,低酸素性虚血性脳症(HIE)を即時心拍数(HR)信号を用いて分類するための新しいディープラーニングアーキテクチャを提案する。 手作り機能に依存する従来のアプローチとは異なり、HRVConformerは生のHR信号をエンドツーエンドで直接処理する。 実験の結果、HRVコンフォーマーは83.23%のAUCと74.56%の精度を達成した。
• 参考スコア（独自算出の注目度）: 1.2599533416395767
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the HRVConformer, a novel deep learning architecture for the classification of hypoxic-ischemic encephalopathy (HIE) using the instantaneous heart rate (HR) signal. Unlike conventional approaches that rely on handcrafted features, HRVConformer directly processes raw HR signals in an end-to-end manner, capturing both local and long-range dependencies through a hybrid Convolution-Transformer framework. By integrating convolutional layers for local feature extraction and Transformer-based attention mechanisms for global context modelling, the architecture effectively enhances signal representation and classification performance. The model was trained using supervised learning on a large HR dataset consisting of 1,573 one-hour epochs, including 259 one-hour expert-annotated epochs and a substantial set of weakly labelled data. A 314-hour validation set provided a robust performance estimation, while an independent 215-hour dataset with expert annotations was reserved for final testing. HR signals were extracted from electrocardiogram (ECG) recordings using an improved Pan-Tompkins algorithm, which significantly enhanced both signal quality and data availability. Experimental results demonstrate that the HRVConformer achieves an AUC of 83.23\% and accuracy of 74.56\% on the test set. These results surpass the performance of the Transformer, ResNet50 and fully convolutional networks baselines, highlighting the advantages of integrating convolutional and Transformer-based components for HR-based HIE classification. The proposed method provides a promising step toward a more accurate and automated assessment of HIE using HR signals. The code is available at: https://github.com/syu-kylin/HRVConformer.
• Abstract（参考訳）: 本稿では,低酸素性虚血性脳症(HIE)を即時心拍数(HR)信号を用いて分類するための新しいディープラーニングアーキテクチャであるHRVConformerを提案する。 手作りの機能に依存する従来のアプローチとは異なり、HRVConformerは生のHR信号をエンドツーエンドで直接処理し、ハイブリッドのConvolution-Transformerフレームワークを通じてローカルと長距離の依存関係をキャプチャする。 局所特徴抽出のための畳み込み層とグローバルコンテキストモデリングのためのトランスフォーマーに基づくアテンション機構を統合することにより、このアーキテクチャは信号表現と分類性能を効果的に向上する。 このモデルは、1時間のエキスパート注釈付きエポック259件と、かなり弱いラベル付きデータのセットを含む1,573件の1時間のエポックからなる大規模なHRデータセットで教師付き学習を使用して訓練された。 314時間の検証セットが堅牢なパフォーマンス推定を提供し、専門家アノテーションを備えた独立した215時間のデータセットが最終テスト用に予約された。 改良されたPan-Tompkinsアルゴリズムを用いて心電図(ECG)記録からHR信号を抽出した。 実験の結果、HRVコンフォーマーはテストセット上で83.23\%のAUCと74.56\%の精度を達成した。 これらの結果はTransformer、ResNet50、および完全な畳み込みネットワークベースラインのパフォーマンスを上回り、HRベースのHIE分類のための畳み込みとトランスフォーマーベースのコンポーネントを統合する利点を強調している。 提案手法は,HR信号を用いたHIEのより正確かつ自動化された評価に向けて,有望なステップを提供する。 コードは、https://github.com/syu-kylin/HRVConformer.comで入手できる。

関連論文リスト

• Do Generative Metrics Predict YOLO Performance? An Evaluation Across Models, Augmentation Ratios, and Dataset Complexity [43.338311770275745]
  本報告では, YOLOv11の合成増強の制御された評価法について述べる。 実際のトレーニングスプリットの10%から150%の増大率に対して, GAN, 拡散, ハイブリッドベースの6つのジェネレータをベンチマークした。 データセット生成/拡張設定毎に、マッチしたサイズのブートストラッププロトコルで事前トレーニングデータセットメトリクスを計算する。
  論文  参考訳（メタデータ） (2026-02-20T03:02:36Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• FlowECG: Using Flow Matching to Create a More Efficient ECG Signal Generator [0.0]
  合成心電図生成は、プライバシ保護データ共有とトレーニングデータセット拡張を必要とする医療AIアプリケーションを提供する。 現在の拡散法は、高い世代品質を実現するが、サンプリング中に数百のニューラルネットワーク評価を必要とする。 本研究では,SSSD-ECGアーキテクチャに適応するフローマッチング手法であるフローECGを提案する。
  論文  参考訳（メタデータ） (2025-08-31T09:19:22Z)
• ECG Latent Feature Extraction with Autoencoders for Downstream Prediction Tasks [2.2616169634370076]
  心電図(Electrocardiogram、ECG)は、安価で広く用いられる心臓評価用ツールである。 標準化されたフォーマットと小さなファイルサイズにもかかわらず、ECG信号の複雑さと個人間変動は、ディープラーニングモデルでの使用を困難にしている。 本研究は,代表的ビート心電図から特徴生成手法を探索することにより,これらの課題に対処する。 本稿では,3つの新しい変分自動エンコーダ(VAE)-Stochastic Autoencoder (SAE), Annealed beta-VAE (A beta-VAE), Cyclical beta VAE (C beta-VAE)を導入し,それらの維持効果を比較した。
  論文  参考訳（メタデータ） (2025-07-31T19:37:05Z)
• Comparison of Autoencoder Encodings for ECG Representation in Downstream Prediction Tasks [2.2616169634370076]
  自動エンコーダ(SAE)、Annealed beta-VAE(Abeta-VAE)、Cbeta-VAE(Cbeta-VAE)の3種類の新しい変分自動エンコーダ(VAE)を導入した。 アベタVAEは、信号ノイズのレベルである平均絶対誤差(MAE)を15.7プラス3.2マイクロボルトに減らした。 以上の結果から,これらのVAE符号化はECGデータの簡易化だけでなく,限られたラベル付き学習データを用いた文脈での深層学習の実践的解決にも有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-03T19:30:05Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• HARDC : A novel ECG-based heartbeat classification method to detect arrhythmia using hierarchical attention based dual structured RNN with dilated CNN [3.8791511769387625]
  不整脈分類のための拡張CNN (HARDC) 法を用いたハイブリッド階層型双方向リカレントニューラルネットワークを開発した。 提案したHARDCは、拡張CNNと双方向リカレントニューラルネットワークユニット(BiGRU-BiLSTM)アーキテクチャをフル活用して、融合機能を生成する。 以上の結果から,複数種類の不整脈信号の分類を自動化し,高度に計算した手法が有望であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-06T13:26:29Z)
• 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)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Variational Temporal Deep Generative Model for Radar HRRP Target Recognition [39.01318281591659]
  高分解能レンジプロファイル(HRRP)に基づくレーダ自動目標認識(RATR)のためのリカレントガンマ信念ネットワーク(rGBN)を開発した。 提案したrGBNは、その時間的深層生成モデルを構築するためにガンマ分布の階層構造を採用する。 HRRPデータを用いた実験結果から,提案手法は計算効率が高く,高い分類精度と能力を有し,高い解釈性を有するマルチ確率層潜在構造が得られた。
  論文  参考訳（メタデータ） (2020-09-28T02:03:51Z)

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。