論文の概要: Validation of HRV Studio: A Transparent and Quality-Control-Aware Platform for Heart Rate Variability Analysis

• arxiv url: http://arxiv.org/abs/2608.24241v1
• Date: Tue, 25 Aug 2026 08:45:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.886739
• Title: Validation of HRV Studio: A Transparent and Quality-Control-Aware Platform for Heart Rate Variability Analysis
• Title（参考訳）: HRV Studioの検証:心拍変動解析のための透明で高品質なプラットフォーム
• Abstract要約: オープンソースのPyQt6ベースのデスクトップアプリケーションは、透過的HRV分析と自動品質制御(QC)診断を統合している。 10分間の分析では、コンベンションに敏感なスペクトル出力に対して、より低い不一致で全体のパターンを再現した。
• 参考スコア（独自算出の注目度）: 4.912499844879714
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reproducibility of heart rate variability (HRV) analysis is limited by differences in preprocessing and computational conventions across software platforms. We developed HRV Studio, an open-source PyQt6-based desktop application integrating transparent HRV analysis with automated quality-control (QC) diagnostics. Validation included large-scale agreement with NeuroKit2, targeted Kubios benchmarking, spectral-method comparison, synthetic perturbation testing, recording-duration sensitivity analysis, and arrhythmia-focused QC stress testing. HRV Studio showed near-identical agreement for the widely used time-domain indices RMSSD and SDNN under matched conditions. In the primary five-minute NeuroKit2 comparison, frequency-domain median relative errors were 1.35% for LF, 0.18% for HF, and 1.41% for LF/HF, while VLF remained more convention-sensitive (37.79%). Nonlinear Poincaré indices also demonstrated high consistency. Sequence-harmonized Kubios benchmarking confirmed near-identical agreement for time-domain and nonlinear indices and strong agreement for most frequency-domain measures. Extended ten-minute analyses reproduced the same overall pattern with lower disagreement for some convention-sensitive spectral outputs. Synthetic and arrhythmia stress tests maintained 100% numerical stability while consistently triggering QC warnings. Overall, HRV Studio provides a transparent and reproducible platform for HRV research, with strong cross-platform consistency when NN sequences, preprocessing, and analytical conventions are harmonized. Stress-test results indicate computational robustness rather than clinical validation.
• Abstract（参考訳）: 心拍変動(HRV)分析の再現性は、ソフトウェアプラットフォーム間の前処理と計算規則の違いによって制限される。 我々は、透過的なHRV分析と自動品質制御(QC)診断を統合したオープンソースのPyQt6ベースのデスクトップアプリケーションであるHRV Studioを開発した。 検証には、NeuroKit2との大規模な合意、ターゲットのKubiosベンチマーク、スペクトル-メソッド比較、合成摂動試験、記録-デュレーション感度分析、不整脈に焦点を当てたQCストレステストが含まれる。 HRV Studioは、広く使用されているRMSSDとSDNNの一致条件下で、ほぼ同一の一致を示した。 一次5分間のNeuroKit2比較では、周波数領域中央値の相対誤差はLFが1.35%、HFが0.18%、LF/HFが1.41%であり、VLFはより規則に敏感なままであった(37.79%)。 非線形ポアンカレ指数も高い一貫性を示した。 周波数調和型Kubiosベンチマークでは、時間領域と非線形指標のほぼ同一の一致と、ほとんどの周波数領域の測度に対する強い一致が確認された。 10分間の延長分析では、コンベンションに敏感なスペクトル出力に対して、より低い不一致で同じパターンを再現した。 合成および不整脈ストレス試験は、100%数値安定性を維持しつつ、常にQC警告を誘導した。 全体として、HRV Studioは透過的で再現可能なプラットフォームであり、NNシーケンス、前処理、分析規則が調和しているときに、強力なクロスプラットフォーム一貫性を持つ。 ストレステストの結果は、臨床的検証よりも計算的堅牢性を示している。

関連論文リスト

• Harmonized Interpretable ECG Waveform Features for Robust Cross-Dataset Clinical Prediction [8.898778301129223]
  2つの大きなコホート(MIMIC-IVとアルバータコホート)を用いた3つのタスクのクロスデータセット一般化のベンチマークを行った。 ベンダー固有の測定ミスマッチを低減するため,原波形から直接計算した調和的,解釈可能な特徴表現を構築した。 タスク全体では、内部のAUROCは0.79-0.82、クロスデータセットのAUROCは0.74-0.78であり、大きな方向依存のAUPRCシフトは転送中である。
  論文  参考訳（メタデータ） (2026-07-26T02:04:13Z)
• TimeLAVA: Learning-Agnostic Data Valuation for Time Series [48.76711740818533]
  TimeLAVAは、評価データと参照データの間の分布差を最小限に抑えるために、時間セグメントを限界貢献によって評価する学習非依存のフレームワークである。 モデルに依存しない一般化にバリュエーションをリンクする理論的保証を提供し、汚染に対する有界感度を証明する。
  論文  参考訳（メタデータ） (2026-06-17T06:16:16Z)
• Graph Diffusion Residuals for Control-Function Instrumental Variables [82.39671985893028]
  高容量の第1段階は治療を補間し、結果方程式の残余情報はほとんど残らない。 フレキシブル制御機能のための決定論的グラフ拡散残差抽出器であるAdaptive Anisotropic Instrumental Heat Flow (A-IHF) について検討した。 A-IHFは、処理を第一段階の特徴のグラフ上の信号として扱い、パイロット拡散を用いて大きな処理ジャンプを検出し、それらのジャンプのコンダクタンスを減衰させ、スパースグラフ分解剤で生成された制御を計算する。
  論文  参考訳（メタデータ） (2026-06-12T17:02:53Z)
• HRVConformer: Neonatal Hypoxic-Ischemic Encephalopathy Classification from the Heart Rate signals [1.2599533416395767]
  本稿では,低酸素性虚血性脳症(HIE)を即時心拍数(HR)信号を用いて分類するための新しいディープラーニングアーキテクチャを提案する。 手作り機能に依存する従来のアプローチとは異なり、HRVConformerは生のHR信号をエンドツーエンドで直接処理する。 実験の結果、HRVコンフォーマーは83.23%のAUCと74.56%の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-25T09:22:11Z)
• Prompt-Induced Score Variance in Zero-Shot Binary Vision-Language Safety Classification [43.86209535250233]
  クロスプロンプト分散は、プロンプトレベルの不一致とより高いエラーと強く関連している。 トレーニングフリーの平均アンサンブルは、14のデータセットモデル評価ペアすべてでNLLを改善する。 ゼロショットVLMの第1スコアに対する信頼性ストレステストとみなす。
  論文  参考訳（メタデータ） (2026-05-01T01:06:30Z)
• Sampling Matters: The Effect of ECG Frequency on Deep Learning-Based Atrial Fibrillation Detection [0.5618963890305396]
  我々は、厳密な患者安全クロスバリデーションフレームワークを用いて、標準1次元畳み込みニューラルネットワーク(CNN)とハイブリッドCNN-Long Short-Term Memory(LSTM)アーキテクチャを評価した。 分析の結果,サンプリング周波数が検出指標にアーキテクチャ依存的な影響があることが判明した。 心電図サンプリング周波数は不整脈検出において重要で未承認な要因である。
  論文  参考訳（メタデータ） (2026-04-06T20:34:42Z)
• 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)
• Signal Fidelity Index-Aware Calibration for Dementia Predictions Across Heterogeneous Real-World Data [1.741250583668341]
  認知症患者レベルでのSFI(Signal Fidelity Index)診断データ品質について検討した。 結果ラベルのない異種データセットにおけるモデル性能向上のためのSFI対応キャリブレーションを検証した。
  論文  参考訳（メタデータ） (2025-09-10T15:19:04Z)
• Q-PART: Quasi-Periodic Adaptive Regression with Test-time Training for Pediatric Left Ventricular Ejection Fraction Regression [45.69922532213079]
  適応型左室エジェクション・フラクション(LVEF)の評価の課題に対処する。 我々はtextbfTest-time Training (Q-PART) フレームワークを用いた textbfQuasi-textbfPeriodic textbfAdaptive textbfRegression を提案する。
  論文  参考訳（メタデータ） (2025-03-06T06:24:51Z)
• An Update of a Progressively Expanded Database for Automated Lung Sound Analysis [0.16863755729554883]
  我々は,吸入,吸入,持続的不定音(CAS),不連続不定音(DAS)を検出することができるオープンアクセス肺音データベースHF_Lung_V1と自動肺音解析アルゴリズムを構築した。 本研究では,HF-Lung-V1をHF-Lung-V2に拡張した。 セグメント検出性能は、精度、予測正値(PPV)、感度特異性、F1スコア、受信動作特性(ROC)曲線および曲線下面積(AUC)を用いて測定した。 結果から,モデルが訓練されたことが示唆された。
  論文  参考訳（メタデータ） (2021-02-08T08:52:17Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)

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。