論文の概要: The Impact of Temporal Context Length and Encoding Strategies on Self-Supervised ECG Representation Learning

• arxiv url: http://arxiv.org/abs/2608.12695v1
• Date: Thu, 13 Aug 2026 01:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.357779
• Title: The Impact of Temporal Context Length and Encoding Strategies on Self-Supervised ECG Representation Learning
• Title（参考訳）: 時間文脈長と符号化戦略が自己監督型ECG表現学習に及ぼす影響
• Abstract要約: 心電図(ECG)モデルは、しばしば数秒間の心電図信号に基づいて訓練される。 これらの選択がリズム推定や時間的整合性に必要な情報を犠牲にしているかどうかは不明である。 我々はIcentia11kシングルリードデータセットについて制御された研究を行った。
• 参考スコア（独自算出の注目度）: 0.8411385346896411
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-supervised electrocardiogram (ECG) models are often trained on a few seconds of ECG signal and, increasingly, on discretized token sequences. It remains unclear whether these choices sacrifice information needed for rhythm inference and longitudinal consistency in real-world ambulatory recordings. We present a controlled study on the Icentia11k single-lead dataset that varies (i) the input horizon (16 seconds, 1 minute, 5 minutes, and 10 minutes) and (ii) the front-end representation (continuous convolutional patch embeddings vs. fixed vector-quantized tokens), while holding the Transformer backbone and training protocol constant. Representations are assessed by downstream abnormal rhythm detection and by patient-level retrieval that probes cross-session stability. Our results show that increasing temporal context beyond 16-second snapshots yields stronger transfer and higher retrieval accuracy, with the strongest performance achieved by the 5- and 10-minute models, indicating improved capture of slow-varying rhythm dynamics and individual-specific structure. Across all evaluated horizons, continuous patch embeddings outperform discretized tokens, suggesting that quantization can discard clinically relevant waveform detail. These findings motivate ECG foundation models that emphasize extended context and continuous encoders for clinical prediction and similarity-based applications. Our code and pretrained models are publicly available at https://github.com/muha-0/ecg-ssl-representation-learning.
• Abstract（参考訳）: 自己教師型心電図(ECG)モデルは、しばしば数秒間のECG信号で訓練される。 これらの選択が、実世界の振動記録におけるリズム推定と長手一貫性に必要な情報を犠牲にしているかどうかは不明だ。 我々はIcentia11kシングルリードデータセットの制御された研究について述べる。 (i)入力地平線(16秒、1分、5分、10分) (ii) Transformerのバックボーンとトレーニングプロトコル定数を保持しながら、フロントエンド表現(Continuous convolutional patch embeddings vs. fixed vector-quantized tokens)。 表現は、下流の異常なリズム検出と、クロスセッション安定性を調査する患者レベルの検索によって評価される。 その結果,16秒間スナップショットを超える時間的文脈の増大は,より強い転送と高い検索精度をもたらすことが明らかとなった。 全ての評価された地平線の中で、連続的なパッチ埋め込みは離散化されたトークンよりも優れており、量子化は臨床的に関連する波形の詳細を破棄することができることを示唆している。 これらの知見は、臨床予測と類似性に基づく応用のための拡張コンテキストと連続エンコーダを強調するECG基盤モデルを動機付けている。 私たちのコードと事前訓練されたモデルは、https://github.com/muha-0/ecg-ssl-representation-learningで公開されています。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
  EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
  論文  参考訳（メタデータ） (2026-09-04T12:48:25Z)
• GARLIC: Graph Attention-based Relational Learning of Multivariate Time Series in Intensive Care [5.469342914844525]
  本稿では,集中治療のための注意型グラフ学習(GARLIC)モデルを提案する。 GARLICは、指数関数的に学習可能なニューラルネットワークアーキテクチャを通じて、欠落したデータを暗示する。 3つの ICU ベンチマークで、GARLIC は結果予測の新たな状態を設定する。
  論文  参考訳（メタデータ） (2026-08-11T14:29:48Z)
• Can Conversational Temporal Dynamics Improve Depression Detection in Dyads? A Preliminary Investigation in Multi-Modality Perspectives [45.77288458953584]
  自己教師型エンコーダを融合した主モータリティとして,会話の時間的ダイナミクス,特にダイアド・ターンペアのタイミングについて検討する。 小型24次元タイミングモジュールを凍結型WavLM型およびRoBERTa型ベースライン検出器と比較した。 学習された融合は、効果的にゼロウェイトを音響に割り当て、会話のタイミングがダイアドうつ病スクリーニングの軽量で解釈可能な補完となることを示した。
  論文  参考訳（メタデータ） (2026-07-04T07:33:22Z)
• Using Explainability as a Training-Time Reliability Signal for Efficient ECG Classification [14.279568423870572]
  本稿では、効率的なECG分類のための説明可能性に基づく信頼性訓練信号ERTSを紹介する。 ERTSは、情報的不確実性と信頼できない不確実性を区別するために、トレーニング中に説明品質を使用する。 3つのECGデータセットと複数のバックボーンアーキテクチャにまたがるERTSを評価し,有効トレーニングコストの削減とともにマクロF1の改善が一貫したことを示す。
  論文  参考訳（メタデータ） (2026-06-10T15:55:00Z)
• Digital FAST: An AI-Driven Multimodal Framework for Rapid and Early Stroke Screening [0.7136933021609076]
  本研究では,F.A.S.T.アセスメントで収集したデータをもとに,高速かつ非侵襲的な2次脳卒中自動スクリーニングのための多モード深層学習フレームワークを提案する。 提案手法は, 表情, 音声信号, 上体動作からの相補的な情報を統合し, 診断の堅牢性を高める。
  論文  参考訳（メタデータ） (2026-01-17T03:35:39Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
  正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。 STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
  論文  参考訳（メタデータ） (2025-10-15T14:18:03Z)
• Masked Autoencoders that Feel the Heart: Unveiling Simplicity Bias for ECG Analyses [24.039917512972977]
  単純性バイアス(Simplicity Bias, SB)として知られる細粒度だが臨床的に重要な手がかりを見越して, 支配的かつ反復的なパターンに適合する傾向を示した。 本稿では,1)ECG信号の動的特性を反映した時間周波数特性を捉えるための時間周波数対応フィルタと,2)2つの領域をまたいだ粗い表現学習のための多言語プロトタイプ再構成と,さらにSBを緩和する手法を提案する。
  論文  参考訳（メタデータ） (2025-06-25T03:25:49Z)
• 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)
• 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)
• 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)

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。