論文の概要: Rethinking PPG-based Sleep Staging: Datasets, Metrics, and Benchmarks

• arxiv url: http://arxiv.org/abs/2608.00943v1
• Date: Sun, 02 Aug 2026 02:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.031509
• Title: Rethinking PPG-based Sleep Staging: Datasets, Metrics, and Benchmarks
• Title（参考訳）: PPGベースのスリープステージングを再考する:データセット、メトリクス、ベンチマーク
• Authors: Shuntian Zheng, Jiawei Wang, Cong Fu, Huan Yu, Chen Chen, Yu Guan, Sai Gu,
• Abstract要約: ウェアラブル型光胸腺撮影は, 実験室ベースのポリソムノグラフィーの代替として注目されている。 このギャップは、信号とタスクのミスマッチを反映している、と我々は主張する。 粗いラベルをSec-levelアノテーションに変換するHidden Semi-Markov Modelsに基づくパイプラインを開発する。
• 参考スコア（独自算出の注目度）: 18.62342340193796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated sleep staging assigns discrete stage labels to successive time epochs throughout an overnight recording; conventionally each window spans at least 30 seconds, reflecting the minimum temporal resolution of the clinical scoring standard. Wearable photoplethysmography (PPG) has attracted sustained interest as an ambulatory alternative to laboratory-based polysomnography, which relies on electroencephalography (EEG) and other recording modalities that are impractical outside clinical environments. Yet PPG-based staging trails EEG-based methods by a substantial margin, and we argue this gap largely reflects a mismatch between signal and task. Within a stable stage, PPG's inter-stage feature differences are more subtle than those in EEG; yet at stage boundaries, PPG's principal cardiovascular features, heart rate variability and pulse morphology, shift sharply within seconds. The conventional practice of assigning one label to each 30-second epoch therefore suppresses feature that is concentrated near boundaries. We address this gap in two steps. First, we develop a label expansion pipeline based on Hidden Semi-Markov Models that converts coarse epoch labels into sec-level annotations. To assess whether these expanded labels are reliable enough for downstream supervision, we validate them on a separate expert-reviewed dataset and through an auxiliary sleep-wake task whose labels are independent of the expansion pipeline. Second, we use the resulting sec-level supervision on MESA to improve conventional four-class epoch-level staging across four architecturally diverse baselines by 3.7--5.7\,pp in accuracy against the original epoch labels, with supplementary zero-shot evaluation on CFS showing that the transfer benefit persists under cohort and annotation-protocol shift.
• Abstract（参考訳）: 自動睡眠ステージリングは、個別のステージラベルを夜間録音を通して連続した時間エポックに割り当て、通常、各ウィンドウは少なくとも30秒間にわたって、臨床評価基準の最小時間分解能を反映している。 ウェアラブル型光胸腺撮影(PPG)は、脳波(EEG)やその他の臨床環境の非現実的な記録モダリティに依存する、実験室ベースのポリソムノグラフィー(英語版)の代替品として、持続的な関心を集めている。 しかし、PSGベースのステージングは、脳波に基づく手法をかなりのマージンで追及し、このギャップは信号とタスクのミスマッチを反映していると我々は論じている。 安定した段階において、PPGの段階間特徴差は脳波よりも微妙であるが、ステージ境界では、PPGの主心血管的特徴、心拍変動、脈波形態は数秒で急激に変化している。 そのため,30秒毎にラベルを割り当てることによって,境界付近に集中する特徴が抑制される。 このギャップを2つのステップで解決する。 まず、粗いエポックラベルをセカンダリなアノテーションに変換するHidden Semi-Markov Modelsに基づくラベル拡張パイプラインを開発する。 これらの拡張ラベルが下流の監視に十分な信頼性を持つかどうかを評価するために、個別の専門家レビューデータセットと、ラベルが拡張パイプラインに依存しない補助睡眠覚醒タスクで検証する。 第2に,従来の4階層のエポックレベルのステージングを3.7～5.7\,ppの精度で改良し,コホートおよびアノテーション-プロトコールシフト下での転写効果が持続することを示すCFSのゼロショット評価を行った。

関連論文リスト

• Explaining RhythmFormer: A Systematic XAI Analysis of Periodic Sparse Attention for Remote Photoplethysmography [1.647210198730602]
  Photoplethys変換器は、ベンチマークで心拍数エラーが低いが、その決定は不透明である。 既存のXAIは、定量的忠実度測定や生理的根拠による検証を伴わない定性的なヒートマップ検査によって支配されている。 我々は、RhythmFormerの2レベルの注意をトップ$k$選択で定量化するために、4つの方法(raw attention, rollout, flow, Beyond Intuition)を適用する。
  論文  参考訳（メタデータ） (2026-06-11T19:10:06Z)
• Reducing the labeling burden in time-series mapping using Common Ground: a semi-automated approach to tracking changes in land cover and species over time [0.0]
  我々は、時間ステップt0のみから参照データにアクセス可能なモデルが、t0と将来の時間ステップt1の両方で競合的に実行可能であることを示す。 この結果は、初期時間ステップ t0 を超えて参照ラベルを手動で更新する必要なく、効果的な時間的一般化を実現することができることを示唆している。
  論文  参考訳（メタデータ） (2026-02-04T09:49:36Z)
• Wav2Arrest 2.0: Long-Horizon Cardiac Arrest Prediction with Time-to-Event Modeling, Identity-Invariance, and Pseudo-Lab Alignment [5.706374608871095]
  高周波生理学的波形モダリティは、患者の状態に対する深いリアルタイムな洞察を提供する。 近年、心臓発作を含む重要な事象を予測するための生理学的基礎モデルが示されている。 最小限の補助情報を用いてPSGのみのCAシステムを改善するための3つの改良点を提案する。
  論文  参考訳（メタデータ） (2025-09-25T23:46:39Z)
• MetaSTH-Sleep: Towards Effective Few-Shot Sleep Stage Classification for Health Management with Spatial-Temporal Hypergraph Enhanced Meta-Learning [27.155280206930055]
  時空間ハイパーグラフ強化メタラーニングに基づく数発の睡眠ステージ分類フレームワークであるMetaSTH-Sleepを提案する。 提案手法は,脳波信号の複雑な空間的相互干渉と時間的ダイナミクスを効果的にモデル化する一方で,少数のラベル付きサンプルを用いた新しい被験者への迅速な適応を可能にする。
  論文  参考訳（メタデータ） (2025-05-22T07:09:03Z)
• PSDNorm: Test-Time Temporal Normalization for Deep Learning in Sleep Staging [63.05435596565677]
  我々は,モンジュマッピングと時間文脈を利用したPSDNormを提案し,信号の深層学習モデルにおける特徴写像の正規化を行う。 PSDNormは、BatchNormよりも4倍のデータ効率が高く、目に見えない左のデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-03-06T16:20:25Z)
• Interpretable Pre-Trained Transformers for Heart Time-Series Data [15.377534937558744]
  我々は、PTG-PTとECG-PTの2つのトレーニング済み汎用心臓モデルを作成する。 PPGのジクロティックノッチや心電図のP波など,個々の注意が生理学的に反する特徴に反応することを強調した。 これらの事前訓練されたモデルは、心房細動(AF)の分類や、光胸腺撮影におけるビート検出などのタスクにおいて、簡単に微調整できる。
  論文  参考訳（メタデータ） (2024-07-30T12:22:03Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection [149.23913018423022]
  弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。 2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。 本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-08T05:53:53Z)
• PADDLES: Phase-Amplitude Spectrum Disentangled Early Stopping for Learning with Noisy Labels [49.43183579415899]
  畳み込みニューラルネットワーク(CNN)は、学習パターンの優位性を示しているが、ラベルノイズに敏感であり、トレーニング中にノイズラベルをオーバーフィットさせる可能性がある。 早期停止戦略は、初期のトレーニングフェーズにおけるCNNの更新を回避し、ノイズラベルの存在下で広く採用されている。 提案手法は, 実世界のラベル・ノイズ・データセットの合成に有効であることを示す。
  論文  参考訳（メタデータ） (2022-12-07T05:03:13Z)
• 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)
• Rethinking Pseudo Labels for Semi-Supervised Object Detection [84.697097472401]
  物体検出に適した確実な擬似ラベルを導入する。 我々は,クラス不均衡問題を緩和するために,各カテゴリの擬似ラベルと再重み付き損失関数を生成するために使用する閾値を動的に調整する。 提案手法では,COCOのラベル付きデータのみを用いて,教師付きベースラインを最大10%改善する。
  論文  参考訳（メタデータ） (2021-06-01T01:32:03Z)

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。