論文の概要: Attractor Image-Based Deep Learning of Arterial Pulse Waves for Age Classification

• arxiv url: http://arxiv.org/abs/2608.12117v1
• Date: Wed, 12 Aug 2026 14:39:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.614924
• Title: Attractor Image-Based Deep Learning of Arterial Pulse Waves for Age Classification
• Title（参考訳）: 年齢分類のためのトラクター画像に基づく動脈脈波の深層学習
• Abstract要約: 動脈脈波形の形態は加齢とともに進化し、心血管系の構造的および機能的変化を反映する。 SPAR(Symmetric Attractor Reconstruction)法を用いて,PPG( Photoplethysmography)と動脈トノメトリー(Arterial tonometry)の脈波データを画像に変換する。
• 参考スコア（独自算出の注目度）: 0.12792786302082024
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Arterial pulse waveform morphology evolves with age, reflecting structural and functional changes in the cardiovascular system. Thus, vascular age is a valuable surrogate marker of cardiovascular health, and premature vascular ageing can indicate increased disease risk. Pulse wave analysis could support risk stratification in otherwise asymptomatic adults. We transformed pulse wave time-series data from photoplethysmography (PPG) and arterial tonometry into images, using the Symmetric Projection Attractor Reconstruction (SPAR) method. These SPAR images were used to train a convolutional neural network to classify healthy subjects into two closely spaced age groups (35-40 and 50-55 years). The model demonstrated consistent classification performance across internal and external test sets, achieving F1 scores above 70% for both PPG and tonometry signals. These results suggest that SPAR-derived pulse wave images contain discriminative morphological features even among healthy adults close in age. This proof-of-concept lays the groundwork for future research into the use of SPAR for early risk detection using smart wearables.
• Abstract（参考訳）: 動脈脈波形の形態は加齢とともに進化し、心血管系の構造的および機能的変化を反映する。 このように、血管の老化は心臓血管の健康にとって貴重な代理マーカーであり、早期血管の老化は疾患のリスクを増大させる可能性がある。 脈波解析は、無症状成人のリスク層形成を支援する可能性がある。 光胸腺撮影(PPG)と動脈トノメトリー(動脈トノメトリー)の脈波時系列データを画像に変換し,SPAR(Symmetric Projection Attractor Reconstruction)法を用いて解析した。 これらのSPAR画像は、正常な被験者を2つの密接な年齢グループ(35-40歳と50-55歳)に分類するために、畳み込みニューラルネットワークを訓練するために使用された。 このモデルでは、内部および外部テストセット間で一貫した分類性能を示し、PPG信号とトノメトリー信号の両方に対してF1スコアを70%以上達成した。 以上の結果から,SPAR由来のパルス波画像は年齢に近い健常成人においても識別的形態的特徴を有することが示唆された。 この概念実証は、スマートウェアラブルを用いた早期リスク検出におけるSPARの利用に関する今後の研究の基盤となる。

関連論文リスト

• Brain Vascular Age Prediction Using Cerebral Blood Flow Velocity and Machine Learning Algorithms [2.2758886440908985]
  経頭蓋ドプラ (Transcranial Doppler, TCD) は、ヒトの脳に供給される主要な動脈に沿って脳血流速度を測定する方法である。 本研究の目的は、TDから抽出した特徴を用いて、時系列年齢を推定し、様々な脳疾患の患者において、加速度的老化を評価することである。
  論文  参考訳（メタデータ） (2026-05-16T12:43:32Z)
• Towards prediction of morphological heart age from computed tomography angiography [2.0413529764205838]
  医療画像やその他の健康関連非画像データからの年齢予測は、データ駆動老化研究における重要なアプローチである。 心血管造影(CTA)画像から年齢の予測について検討し,心形態の詳細な表現について検討した。
  論文  参考訳（メタデータ） (2025-04-22T10:48:27Z)
• Recovering Pulse Waves from Video Using Deep Unrolling and Deep Equilibrium Models [45.94962431110573]
  カメラによるバイタルサインのモニタリング、つまりイメージング光胸腺撮影(i)は、運転監視、情動コンピューティングなどに応用されている。 本稿では,逆問題における信号処理と深層学習を組み合わせた手法を提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:11:21Z)
• Time-to-Event Pretraining for 3D Medical Imaging [44.46415168541444]
  本稿では,3次元医用画像モデルのための事前トレーニングフレームワークである,時間とイベントの事前トレーニングを紹介する。 我々は18,945個のCTスキャン(420万枚の2D画像)のデータセットと、何千ものEHR由来のタスクにまたがる時間-時間分布を用いています。 提案手法は,AUROCの平均値が23.7%,HarrellのC-インデックスが29.4%向上し,結果予測が向上する。
  論文  参考訳（メタデータ） (2024-11-14T11:08:54Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Reconstructing physiological signals from fMRI across the adult lifespan [4.676726712148322]
  fMRIデータから低周波呼吸量(RV)と心拍変動(HR)の2つの重要な生理的シグナルを再構成するための新しい枠組みを提案する。 本手法は, 成人期の幅広い個体のfMRIデータから直接, 重要な生理的変数を推測する。
  論文  参考訳（メタデータ） (2024-08-26T17:48:42Z)
• Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
  今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。 時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
  論文  参考訳（メタデータ） (2024-05-14T17:15:28Z)
• A method for supervoxel-wise association studies of age and other non-imaging variables from coronary computed tomography angiograms [1.9027456538318586]
  冠状動脈造影による冠動脈造影における体積像と組織密度像の関連性について検討した。 我々は,画像分割,オブジェクト間画像登録,ロバストなスーパーボクセル相関解析に基づく新しい手法を開発した。 心室および心筋のDice係数と変換の逆整合性の観点から登録手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-13T14:04:34Z)
• Using explainable AI to investigate electrocardiogram changes during healthy aging -- from expert features to raw signals [0.8108972030676012]
  我々は、さまざまな年齢の健康な個人の頑健なデータセットからECGデータを分析するために、ディープラーニングモデルとツリーベースモデルを用いています。 木系分類器を用いて解析したところ, 年齢による呼吸速度の低下がみられた。 これらの発見は、年齢に関するECGの変化に新たな光を当て、従来の機能ベースのアプローチを超越した洞察を与えました。
  論文  参考訳（メタデータ） (2023-10-11T13:05:28Z)
• Multi-scale, Data-driven and Anatomically Constrained Deep Learning Image Registration for Adult and Fetal Echocardiography [4.923733944174007]
  胎児と成人のエコーにおける深層学習画像登録のための3つの戦略を組み合わせた枠組みを提案する。 以上の結果から, 良好な解剖学的トポロジーと画像テクスチャは, 形状符号化およびデータ駆動型対向損失と強く結びついていることが判明した。 当社のアプローチは,光学フローやElastixなど,従来の非DLゴールド登録手法よりも優れています。
  論文  参考訳（メタデータ） (2023-09-02T05:33:31Z)
• Automatic Classification of Neuromuscular Diseases in Children Using Photoacoustic Imaging [77.32032399775152]
  神経筋疾患(NMD)は、医療システムと社会の両方に重大な負担をもたらす。 激しい進行性筋力低下、筋変性、収縮、変形、進行性障害を引き起こす。
  論文  参考訳（メタデータ） (2022-01-27T16:37:19Z)
• Predi\c{c}\~ao da Idade Cerebral a partir de Imagens de Resson\^ancia Magn\'etica utilizando Redes Neurais Convolucionais [57.52103125083341]
  磁気共鳴画像を用いた脳年齢予測のための深層学習手法について検討した。 バイオマーカーの同定は、早期の神経変性過程の検出、および年齢または非年齢に関する認知低下の予測に有用である。 最も優れた結果は、平均絶対誤差3.83年を達成した2Dモデルによって得られた。
  論文  参考訳（メタデータ） (2021-12-23T14:51:45Z)

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。