論文の概要: Test-Time Adaptation for ECG Classification via SQI-Gated Self-Training and Beat-Rhythm Consistency

• arxiv url: http://arxiv.org/abs/2608.23347v1
• Date: Mon, 24 Aug 2026 14:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.160749
• Title: Test-Time Adaptation for ECG Classification via SQI-Gated Self-Training and Beat-Rhythm Consistency
• Title（参考訳）: SQI-Gated Self-Training と Beat-Rhythm Consistency を用いた心電図分類のためのテスト時間適応
• Abstract要約: テスト時間適応(TTA)は、推論時にラベルのないデータのみを使用してモデルを適用することで、実用的なソリューションを提供する。 本稿では,ECGのノイズ観測と,ドメインシフト下での構造的ビートリズムセマンティクスを明示的に考慮した,ECG対応TTAフレームワークであるBeatRhythm-TTAを提案する。
• 参考スコア（独自算出の注目度）: 23.899678708493088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models for electrocardiogram (ECG) classification often suffer from significant performance degradation when deployed in unseen domains due to shifts in acquisition devices and patient populations. Test-time adaptation (TTA) offers a practical solution by adapting models using only unlabeled data at inference time. However, existing TTA methods often underperform on ECG tasks, since naive online updates ignore the hierarchical beat-rhythm structure of cardiac cycles and are vulnerable to signal artifacts, which leads to unstable adaptation and model drift. We propose BeatRhythm-TTA, an ECG-tailored TTA framework that explicitly accounts for ECG's noisy observations and structured beat-rhythm semantics under domain shift. First, to handle pervasive ECG artifacts, we introduce a Signal Quality Index (SQI)-gated adaptation scheme that selectively filters out low-quality signals to prevent harmful updates. Second, to leverage ECG's beat-rhythm semantics, we enforce dual-level consistency so the model preserves beat morphology and rhythm dynamics while adapting to shifted acquisition conditions. Extensive experiments on multi-label ECG diagnosis across three adaptation protocols, using PTB-XL as the source domain and CPSC2018/Georgia as two target domains, demonstrate the effectiveness of our method, yielding an average +2.70% relative improvement in Macro-F1 over the best competing method.
• Abstract（参考訳）: 心電図(ECG)分類のディープラーニングモデルは、取得装置や患者集団の変化により、目に見えない領域に配備された場合、大きなパフォーマンス劣化に悩まされることが多い。 テスト時間適応(TTA)は、推論時にラベルのないデータのみを使用してモデルを適用することで、実用的なソリューションを提供する。 しかし、既存のTTA法は心循環の階層的拍動リズム構造を無視し、信号アーチファクトに弱いため、不安定な適応とモデルドリフトをもたらすため、ECGタスクではパフォーマンスが低下することが多い。 本稿では,ECGのノイズ観測と,ドメインシフト下での構造的ビートリズムセマンティクスを明示的に考慮した,ECG対応TTAフレームワークであるBeatRhythm-TTAを提案する。 まず、広汎なECGアーティファクトを扱うために、有害な更新を防ぐために、低品質信号を選択的にフィルタリングする信号品質指標(SQI)付き適応スキームを導入する。 第2に、ECGのビートリズムセマンティクスを活用するために、シフトした取得条件に適応しながら、モデルがビート形態やリズムのダイナミクスを保たせるように二重レベルの一貫性を強制する。 PTB-XLをソースドメインとし、CPSC2018/Georgiaを2つのターゲットドメインとし、3つの適応プロトコルにまたがる多ラベル心電図診断に関する広範囲な実験を行った。

関連論文リスト

• 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)
• MSAIC-Net: A Multi-Scale Attention and Imbalance-Aware Contrastive Network for ECG-Based Myocardial Substrate Abnormality Detection [1.1242503819703258]
  心筋梗塞や心筋梗塞などの心筋基質異常は, 心血管障害の原因となる。 本稿では,心電図に基づく心筋基質異常検出のためのマルチスケールアテンション強化畳み込みネットワーク(MSAIC-Net)を提案する。 MSAIC-Netは、複数の時間的受容領域にまたがるECG特徴を抽出するために、並列なアトラスな畳み込み枝を用いる。
  論文  参考訳（メタデータ） (2026-06-04T21:08:06Z)
• ECG-NAT: A Self-supervised Neighborhood Attention Transformer for Multi-lead Electrocardiogram Classification [4.904219291349455]
  ECG信号は、きめ細かいビートレベルの形態とより広いリズムレベルの依存関係を同時にキャプチャするアーキテクチャを必要とする。 本稿では心電図近傍注意変換器(ECG-NAT)を提案する。 ECG-NATはベンチマークデータセット上で、1%のラベル付きデータを使用して88.1%の精度で堅牢なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-13T08:50:00Z)
• PG-LRF: Physiology-Guided Latent Rectified Flow for Electro-Hemodynamic PPG-to-ECG Generation [51.79176059799321]
  フォトプレチスモグラフィーはウェアラブルではユビキタスであるが、ECG特有の診断形態は欠如している。 既存の手法は統計アライメントとデータ駆動生成に依存している。 生理的誘導型潜在フローフレームワークであるPG-LRFを提案する。
  論文  参考訳（メタデータ） (2026-05-09T07:39:58Z)
• Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis [45.00216485193071]
  心電図による心臓の異常は, 長期分布により検出が困難である。 我々は、自己教師付き異常検出と人口動態認識型表現学習を統合したAI支援二段階ECGフレームワークを開発した。 本手法は,まれな異常に対して94.7%のAUROCを達成し,コモン・レア性能のギャップを73%削減する。
  論文  参考訳（メタデータ） (2026-03-20T07:04:00Z)
• Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
  本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。 実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
  論文  参考訳（メタデータ） (2025-11-13T02:57:10Z)
• FoundationalECGNet: A Lightweight Foundational Model for ECG-based Multitask Cardiac Analysis [1.1666234644810893]
  FoundationalECGNetは、ECGの自動分類のための基礎的なフレームワークである。 はじめに正常心電図信号と異常心電図信号を区別し、次に異常心電図信号を5つの心臓状態の1つに分類する。 伝導障害および肥大症に対する99%のF1スコアを含む多クラス疾患検出における最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-09-10T19:48:07Z)
• 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)
• Conditional Electrocardiogram Generation Using Hierarchical Variational Autoencoders [0.0]
  我々は、ECG信号生成(cNVAE-ECG)のための条件付きヌーヴォーVAEモデルを提案する。 本稿では,ECG信号生成(cNVAE-ECG)のための公用条件付きVAEモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-03T13:30:36Z)
• 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)
• PulseNet: Deep Learning ECG-signal classification using random augmentation policy and continous wavelet transform for canines [46.09869227806991]
  犬心電図(ECG)の評価には熟練した獣医が必要である。 心電図の解釈と診断支援のための獣医師の現在の利用状況は限られている。 犬の心電図配列を正常または異常と分類するためのディープ畳み込みニューラルネットワーク(CNN)アプローチを実装した。
  論文  参考訳（メタデータ） (2023-05-17T09:06:39Z)
• 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)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。