論文の概要: A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection

• arxiv url: http://arxiv.org/abs/2606.10410v1
• Date: Tue, 09 Jun 2026 04:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.325486
• Title: A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection
• Title（参考訳）: 生理学的信号における包括的推論時間拡張フレームワーク:PSGに基づくAF検出への応用
• Authors: Davood Fattahi, Runze Yan, Saurabh Kataria, Zhaoliang Chen, Xiao Hu,
• Abstract要約: 実世界の展開における生理的信号の正確な分類は、センサノイズ、モーションアーティファクト、およびトレーニングとデプロイメントデータ間の分散シフトによって困難である。 In-time Augmentation (ITA) は、再トレーニングではなく、拡張を施す。 このフレームワークには、時間領域、振幅領域、周波数領域、変換の13の拡張メソッドが含まれている。
• 参考スコア（独自算出の注目度）: 9.598161729788714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: Accurate classification of physiological signals in real-world deployments is challenged by sensor noise, motion artifacts, and distribution shifts between training and deployment data. Inference-time augmentation (ITA), which applies augmentations during inference rather than retraining, offers a simple, model-agnostic mechanism to improve robustness. However, ITA application to physiological signals has remained narrow in scope, relying on limited augmentation methods with fixed, unoptimized parameters. This work proposes a unified ITA framework to address that gap. Approach: The framework incorporates 13 augmentation methods spanning time-domain, amplitude-domain, frequency-domain, and artifact-injection transformations, with hyperparameters optimized via Bayesian optimization. We evaluate on atrial fibrillation (AF) detection from 30-second PPG signals using GPT-PPG and ResNet across five datasets comprising more than 400 patients and ${\sim}$9,800 hours of recording. Main results: Standard ITA consistently improved AUROC (up to 8.5% for GPT-PPG and 0.7% for ResNet) and AUPRC (up to 10.6% for GPT-PPG and 0.8% for ResNet). Selective ITA further reduced average FPR by up to 4.4% (GPT-PPG) and 1.3% (ResNet) on non-AF datasets. Significance: These findings establish ITA as a practical, model-agnostic approach for improving PPG-based AF classification reliability in deployment settings where retraining is not feasible, with broader applicability to physiological signal analysis.
• Abstract（参考訳）: 目的: 実世界の展開における生理的信号の正確な分類は、センサノイズ、モーションアーティファクト、およびトレーニングとデプロイメントデータ間の分散シフトによって困難である。 推論時間拡張(ITA)は、リトレーニングではなく推論中に拡張を適用するもので、堅牢性を改善するためのシンプルなモデルに依存しないメカニズムを提供する。 しかし、ITAの生理的信号への応用は、固定された、最適化されていないパラメータを持つ限定的な拡張法に頼って、範囲が狭いままである。 この研究は、そのギャップに対処する統合ITAフレームワークを提案する。 アプローチ: このフレームワークは、時間領域、振幅領域、周波数領域、アーティファクトインジェクション変換にまたがる13の拡張メソッドを組み込んでおり、ハイパパラメータはベイズ最適化によって最適化されている。 GPT-PPG と ResNet を用いた30秒 PPG 信号の心房細動検出(AF) について,400 人以上の患者と${\sim}$9,800 時間の録音を含む5 つのデータセットを用いて検討した。 主な成果:標準ITAは一貫してAUROC(GPT-PPGが8.5%、ResNetが0.7%)とAUPRC(GPT-PPGが10.6%、ResNetが0.8%)を改善した。 Selective ITAは、非AFデータセット上で平均FPRを最大4.4%(GPT-PPG)と1.3%(ResNet)に下げた。 意義: これらの知見は, 再トレーニングが不可能な配置環境において, PPGに基づくAF分類の信頼性を向上させるための実用的, モデルに依存しないアプローチとしてITAが確立され, 生理的信号解析に広く適用可能であることを証明した。

関連論文リスト

• Near-Policy: Accelerating On-Policy Distillation via Asynchronous Generation and Selective Packing [44.26853590985694]
  NPD(Near-Policy Distillation)は、学生生成を訓練から切り離す非同期アプローチである。 NPDは、オンラインベースラインの8.1倍のスピードアップを実現し、SFTを8.09%上回る。 本手法では,openPangu-Embedded-1Bが68.73%に達し,Qwen3-1.7Bを大きく上回っている。
  論文  参考訳（メタデータ） (2026-05-07T09:50:53Z)
• Unifying Group-Relative and Self-Distillation Policy Optimization via Sample Routing [79.88256756334327]
  自己蒸留政策最適化(SDPO)は、より密集したロジットレベルの監視を提供することによってこの問題に対処する。 サンプル制御ポリシー最適化(SRPO)を提案する。 SRPOは、試料をGRPOの報酬整合強化に向け、サンプルをSDPOの目標ロジットレベルの補正に向ける。
  論文  参考訳（メタデータ） (2026-04-02T17:29:18Z)
• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• Reliable Physiological Monitoring on the Wrist Using Generative Deep Learning to Address Poor Skin-Sensor Contact [14.10775902843149]
  光胸腺撮影は、消費者と臨床の両方において、心血管の健康と生理的パラメータを監視するために広く採用され、非侵襲的手法である。 動的環境における運動アーティファクトの研究が盛んに行われているが、摂食条件下での肌下感覚接触は波形形態を歪め、重要な特徴の喪失や不一致を招き、知覚精度を損なう。 本研究では,接触圧歪みPPG信号を理想的な形状を持つ高忠実度波形に変換する新しいフレームワークCP-を提案する。
  論文  参考訳（メタデータ） (2025-04-03T16:22:15Z)
• 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)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• Deep adaptative spectral zoom for improved remote heart rate estimation [10.220888127527152]
  Chirp-Z Transform (CZT) は、心拍数に対する狭帯域の利息の範囲までスペクトルを洗練させ、頻繁な分解能を改善し、その結果より正確な推定を可能にする。 本稿では、リモートHR推定にCZTを用いる利点を示し、新しいデータ駆動適応型CZT推定器を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:55:19Z)
• Adaptive Guidance: Training-free Acceleration of Conditional Diffusion Models [44.58960475893552]
  適応誘導 (AG) は計算自由誘導 (CFG) の効率的な変種である AGはCFGの画質を25%低下させながら保存する。 LinearAG" はベースラインモデルから逸脱するコストでさらに安価な推論を提供する。
  論文  参考訳（メタデータ） (2023-12-19T17:08:48Z)
• Accurate Detection of Paroxysmal Atrial Fibrillation with Certified-GAN and Neural Architecture Search [1.1744028458220426]
  発作性心房細動(PxAF)検出のための新しい機械学習フレームワークを提案する。 このフレームワークにはGAN(Generative Adversarial Network)とNAS(Neural Architecture Search)が含まれている。 実験の結果,提案手法の精度は99%と高い値を示した。
  論文  参考訳（メタデータ） (2023-01-17T14:04:17Z)

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。