論文の概要: CAP: Towards PPG Universal Representation Learning with Patient-level Supervision

• arxiv url: http://arxiv.org/abs/2606.15284v1
• Date: Sat, 13 Jun 2026 12:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.251829
• Title: CAP: Towards PPG Universal Representation Learning with Patient-level Supervision
• Title（参考訳）: CAP:患者レベルのスーパービジョンによるPPGユニバーサル表現学習を目指して
• Authors: Chenyang He, Xinyi Shao, Shun Huang, Bosong Huang, Daoqiang Zhang, Ming Jing, Cheng Ding,
• Abstract要約: 光胸腺造影(PPG)は、ウェアラブルの健康モニタリングと臨床診断支援において中心的な役割を担っている。 汎用PSG表現学習への既存のアプローチは、主に信号レベルの目的に焦点を当てている。 PPG(CAP)のための臨床用アンコールドプレトレーニングを提案する。 CAPは、患者レベルの臨床的意味論にPSG表現を固定するクロスモーダルコントラストアライメントを実行する。
• 参考スコア（独自算出の注目度）: 21.358995073701163
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoplethysmography (PPG) plays a central role in wearable health monitoring and clinical decision support. Yet existing approaches to universal PPG representation learning largely focus on signal-level objectives and often overlook patient-level health context, which limits generalization to complex clinical tasks and heterogeneous cohorts. To address this gap, we construct a large-scale paired PPG-EHR multimodal dataset by distilling fragmented medical histories and clinical records into cohesive, patient-level electronic health records (EHR). Building on this resource, we propose Clinical Anchored Pretraining for PPG (CAP). During pretraining, CAP performs cross-modal contrastive alignment that anchors PPG representations to patient-level clinical semantics, guiding the encoder beyond waveform fitting toward modeling consistency in a patient's overall physiological state. During downstream adaptation, the pretrained PPG encoder provides clinically grounded representations that strengthen inductive bias and improve robustness and transferability. Experiments demonstrate that CAP consistently outperforms strong baselines on four diverse downstream tasks. CAP achieves a particularly large gain on respiratory rate prediction (up to +87.6% relative improvement over the state-of-the-art baseline) and delivers an average relative +26.7% across all tasks. We further enhance the interpretability of our approach through comprehensive analyses, including ablations and multiple complementary visualizations of the learned representations. The code for our experiments is available at: https://github.com/gody123gody/CAP .
• Abstract（参考訳）: 光胸腺造影(PPG)は、ウェアラブルの健康モニタリングと臨床診断支援において中心的な役割を担っている。 しかし、一般的なPSG表現学習への既存のアプローチは、主に信号レベルの目的に焦点を当てており、複雑な臨床タスクや異種コホートへの一般化を制限する患者レベルの健康状況を見落としていることが多い。 このギャップに対処するために、断片化された医療履歴と臨床記録を密集した患者レベルの電子健康記録(EHR)に蒸留することにより、大規模に組み合わせたPSG-EHRマルチモーダルデータセットを構築した。 本資料に基づいて, PPG (CAP) のための臨床アンコールドプレトレーニングを提案する。 プレトレーニング中、CAPは患者レベルの臨床的意味論にPSG表現を固定するクロスモーダルコントラストアライメントを行い、患者全体の生理状態における整合性のモデリングに向けて、波形適合を超えるエンコーダを誘導する。 下流適応の際、事前訓練されたPSGエンコーダは、誘導バイアスを強化し、堅牢性と伝達性を向上させる臨床的根拠のある表現を提供する。 実験によると、CAPは4つの異なる下流タスクにおいて強いベースラインを一貫して上回っている。 CAPは呼吸速度の予測(最先端のベースラインよりも最大で87.6%の相対的な改善)において特に大きく向上し、全てのタスクに対して平均的相対性+26.7%を提供する。 我々は,学習した表現の可視性や複数の相補的な可視化を含む包括的分析を通じて,アプローチの解釈可能性をさらに強化する。 実験用のコードは、https://github.com/gody123gody/CAPで利用可能です。

関連論文リスト

• A robust PPG foundation model using multimodal physiological supervision [7.441186015526675]
  光胸腺造影は、血液量の変化を非侵襲的に測定する尺度である。 最近の PPG ファンデーションモデルは、キュレートされたデータを必要とする事前トレーニングパラダイムを備えたオープンソースの ICU データセットを使用するか、あるいはクローズドソースのフィールドライクな PPG データを使用する。 そこで本研究では,ICUデータセットにおける心電図と呼吸信号とを併用して,事前トレーニング中のコントラストサンプルを選択することを目的として,高品質・フィールドライクな事前トレーニングデータを必要としないPSG基盤モデルを提案する。
  論文  参考訳（メタデータ） (2026-06-05T15:08:50Z)
• Towards a General Intelligence and Interface for Wearable Health Data [45.854819784803055]
  本研究では,1兆分以上の未ラベルセンサ信号に基づいて,ウェアラブルヘルスの基盤モデルを提案する。 この集団スケールの表現は、ラベル効率のよい少数ショット学習と生成能力を有効化して、1日あたりのロバストな計量推定を行う。
  論文  参考訳（メタデータ） (2026-05-21T17:24:06Z)
• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• Deriving Health Metrics from the Photoplethysmogram: Benchmarks and Insights from MIMIC-III-Ext-PPG [2.2945816941393766]
  Photoplethysmography (signals)は、臨床予測タスクにおいて最も広く使われているバイオシグナーの1つである。 Photoplethysmography (signals)は、臨床予測タスクにおいて最も広く使われているバイオシグナーの1つである。
  論文  参考訳（メタデータ） (2026-03-23T11:19:06Z)
• Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
  本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。 この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。 この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
  論文  参考訳（メタデータ） (2023-12-31T16:01:48Z)
• Adaptive Multi-Agent Deep Reinforcement Learning for Timely Healthcare Interventions [17.405080523382235]
  マルチエージェント深部強化学習(DRL)を用いた新しいAI駆動型患者監視フレームワークを提案する。 アプローチでは複数の学習エージェントをデプロイし,心拍数,呼吸量,温度などの生理的特徴をモニタする。 提案する多エージェントDRLフレームワークの性能を,2つのデータセットから実世界の生理・運動データを用いて評価した。
  論文  参考訳（メタデータ） (2023-09-20T00:42:08Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Toward Cohort Intelligence: A Universal Cohort Representation Learning Framework for Electronic Health Record Analysis [15.137213823470544]
  本稿では, 患者間の詳細なコホート情報を活用することで, EHR活用を促進するための共通コホート表現 lEarning (CORE) フレームワークを提案する。 COREは多様なバックボーンモデルに容易に適用でき、コホート情報を医療手法に注入してパフォーマンスを高める普遍的なプラグインフレームワークとして機能する。
  論文  参考訳（メタデータ） (2023-04-10T09:12:37Z)

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。