論文の概要: Analysis of Autonomic Regulation in Cancer Survivors During Daily Physical Activity: A Real-World Wearable ECG Study

• arxiv url: http://arxiv.org/abs/2606.23461v1
• Date: Mon, 22 Jun 2026 15:10:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 16:10:15.21072
• Title: Analysis of Autonomic Regulation in Cancer Survivors During Daily Physical Activity: A Real-World Wearable ECG Study
• Title（参考訳）: 日々の身体活動におけるがん生存者の自律神経制御の分析 : 現実のウェアラブル心電図による検討
• Authors: Sajad Farrokhiørcidicon, Lerick Sequeira, Shanna L. Burke, Waltenegus Dargie, Christian Poellabauer,
• Abstract要約: 本研究では, 乳がん生存者の身体活動に対する心拍数(HR)と心拍変動(HRV)の反応について, 実環境において収集した心電図(ECG)データを用いて検討した。
• 参考スコア（独自算出の注目度）: 1.2178992475191555
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates heart rate (HR) and heart rate variability (HRV) responses to physical activity in breast cancer survivors using wearable electrocardiogram (ECG) data collected in real-world settings. Reliable HRV analysis in such environments is challenging due to motion artifacts and activity-related signal degradation. To address this, we use an approach that combines accelerometer and gyroscope data for activity intensity segmentation (light, moderate, vigorous) with a robust ECG processing pipeline incorporating R-peak detection and annotation-free signal quality assessment. Because vigorous activity produced unreliable HRV estimates, analyses focused on light and moderate activity levels. Using 30~s, 1~min, and 2~min windows, HR and HRV metrics were computed and compared between breast cancer survivors and healthy controls. Cancer survivors consistently exhibited elevated HR and reduced HRV across activity levels. During light activity, HR increased from 95.7~bpm in controls to 103.4~bpm in cancer survivors. Differences became more pronounced during moderate activity, where RMSSD decreased from 39.7~ms to 22.1~ms and SDNN from 42.6~ms to 25.1~ms. Statistical analyses showed significant group differences with strong and consistent effects across observations. In addition, the proposed ECG quality assessment framework reliably identified high-quality signal segments, achieving near-perfect valid RR ratios (0.99) without manual annotations. Overall, these findings demonstrate impaired and activity-dependent autonomic regulation in cancer survivors and highlight the importance of motion-aware activity segmentation and robust ECG quality control for accurate physiological monitoring in real-world wearable settings.
• Abstract（参考訳）: 本研究では, 乳がん生存者の身体活動に対する心拍数(HR)と心拍変動(HRV)の反応について, 実環境において収集した心電図(ECG)データを用いて検討した。 このような環境下での信頼性の高いHRV分析は、動きのアーティファクトと活動関連信号の劣化により困難である。 そこで我々は,加速度計とジャイロスコープデータを組み合わせて,活動強度セグメンテーション(軽,中,活気)とRピーク検出と無アノテーション信号品質評価を併用した頑健なECG処理パイプラインを構築する。 活発な活動は信頼できないHRV推定を生んだため、分析は軽度と中等度な活動レベルに焦点を当てた。 30～s, 1～min, 2～minウィンドウを用いて, HR, HRV測定値を算出し, 乳癌生存率と健康管理率を比較した。 がん患者は活動レベルを超えてHRの上昇とHRVの低下を継続した。 光活動中、HRは95.7~bpmから103.4~bpmへと増加した。 中程度の活動では、RMSSDは39.7〜msから22.1〜ms、SDNNは42.6〜msから25.1〜msに減少した。 統計的分析では、観測間での強い、一貫した効果と有意なグループ差が見られた。 さらに,提案したECG品質評価フレームワークは高品質な信号セグメントを確実に同定し,手動のアノテーションを使わずにほぼ完全なRR比(0.99)を達成した。 以上の結果から, がん生存者における機能的自律神経制御の障害が指摘され, 現実のウェアラブル環境での正確な生理的モニタリングのための運動認識活動のセグメンテーションと堅牢なECG品質管理の重要性が強調された。

関連論文リスト

• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• Global and Local Contrastive Learning for Joint Representations from Cardiac MRI and ECG [40.407824759778784]
  PTACL(Patient and Temporal Alignment Contrastive Learning)は、CMRからの時間情報を統合することで、ECG表現を強化するマルチモーダルコントラスト学習フレームワークである。 英国バイオバンクの被験者27,951名を対象に,ペア心電図-CMRデータを用いたPTACLの評価を行った。 心電図を用いた非侵襲的心臓診断におけるPTACLの有用性について検討した。
  論文  参考訳（メタデータ） (2025-06-24T17:19:39Z)
• Investigating the Generalizability of ECG Noise Detection Across Diverse Data Sources and Noise Types [0.0]
  クロスデータセット実験による新しいHRVを用いたECGにおけるノイズ検出の一般化可能性について検討する。 その結果,機械学習の平均精度は90%以上であり,AUPRCは0.9以上であることがわかった。
  論文  参考訳（メタデータ） (2025-02-20T12:54:56Z)
• Joint Attention Mechanism Learning to Facilitate Opto-physiological Monitoring during Physical Activity [4.674309739521861]
  本研究では,注意機構を持つ生成的対向ネットワーク(AM-GAN)を用いて,光学生理学的モニタリングのための実践的対向学習手法を提案する。 AM-GANは、生ノイズ信号からMA耐性マッピングを学習し、逆向きにPSG信号をクリアする。 この研究は、AM-GANのロバスト性とレジリエンス、特に低-高-高-高-強度の身体活動におけるレジリエンスを実証している。
  論文  参考訳（メタデータ） (2025-02-13T13:08:11Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Heart Rate and its Variability from Short-term ECG Recordings as Biomarkers for Detecting Mild Cognitive Impairment in Indian Population [0.5874782446136914]
  完全信号処理パイプラインを設計し、R波ピークを検出し、ECG記録からHRとHRVの特徴を10秒で計算する。 MCI患者は健常者よりも比較的高いHRを有することが観察されている。
  論文  参考訳（メタデータ） (2024-08-05T08:14:04Z)
• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• A Novel real-time arrhythmia detection model using YOLOv8 [0.0]
  本研究は,在宅における心電図(ECG)のリアルタイム不整脈検出の可能性を明らかにするものである。 我々は,MIT-BIH不整脈データセットを微調整した損失修正型YOLOv8モデルを導入し,リアルタイム連続監視を実現する。 我々の研究は、リアルタイム不整脈検出の可能性を示し、ユーザーが自宅の快適さの中でモデル出力を視覚的に解釈できるようにする。
  論文  参考訳（メタデータ） (2023-05-26T08:27:09Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

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。