論文の概要: Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients

• arxiv url: http://arxiv.org/abs/2608.28242v1
• Date: Fri, 28 Aug 2026 11:56:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.309197
• Title: Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients
• Title（参考訳）: BCG呼吸事象検出における分光学的特徴--睡眠時無呼吸患者における大規模患者非依存的特徴群の比較
• Abstract要約: バリスト心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望なモダリティである。 呼吸異常の検出においてどの信号の特徴が最も識別されているかは、まだ不明である。 BCG特徴群10群を文献的,患者非依存的に比較検討した。
• 参考スコア（独自算出の注目度）: 33.60217549899358
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unobtrusive ballistocardiographic (BCG) sensing is a promising modality for long-term sleep-apnea monitoring, yet it remains unclear which signal features are most discriminative for respiratory-event detection. We present a literature-guided, patient-independent comparison of ten BCG feature groups using a 512-sensor capacitive pressure mat recorded simultaneously with respiratory polygraphy in 155 patients (52 female, 103 male) undergoing in-hospital evaluation for obstructive sleep apnea. Features were extracted from six spatially distinct signal channels, yielding a 191-dimensional feature vector spanning general statistical, time-domain, frequency-domain, wavelet, frame-energy, and nonlinear complexity descriptors. Under strict leave-one-patient-out cross-validation for binary classification of respiratory-event windows versus event-free reference windows, Random Forest and Histogram Gradient Boosting achieved AUC-ROC of 0.967 and 0.969 and AUC-PR of 0.977 and 0.979, respectively. Feature-importance analysis revealed that frequency-domain features dominate discrimination: breathing-band power in the 0.1-0.4 Hz range accounted for 30.3% of total discriminative information across all spatial channels, and Fast Fourier Transform spectral-shape descriptors of the adaptively preprocessed channel contributed a further 15.1%. AUC and curve-length features provided the main complementary time-domain evidence (21.5%), whereas wavelet-derived and nonlinear features contributed smaller secondary effects (10.4% combined across 59 features). Frequency-domain and time-domain features together accounted for 67% of total discriminative information, demonstrating that a compact, interpretable subset of the full feature library achieves clinically relevant performance under patient-independent validation and providing an empirical basis for feature selection in future BCG systems.
• Abstract（参考訳）: 非閉塞性心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望な指標であるが,どの信号特徴が呼吸時無呼吸検出に最も有用かは定かではない。 閉塞性睡眠時無呼吸の155例 (52例, 103例) において, 呼吸ポリグラフィと同時に記録した512感圧マットを用いて, BCGの特徴群10群について, 文献的, 患者非依存性の比較を行った。 特徴は6つの空間的に異なる信号チャネルから抽出され、一般統計、時間領域、周波数領域、ウェーブレット、フレームエネルギー、非線形複雑性記述子にまたがる191次元の特徴ベクトルが得られた。 吸気窓とイベントフリー基準窓の2値分類のための厳格な退院式クロスバリデーションでは, ランダムフォレストとヒストグラムのグラディエントブースティングがそれぞれ0.967および0.969のAUC-ROC, 0.977および0.979のAUC-PRを達成した。 周波数領域の特徴は、0.1-0.4Hzの範囲における呼吸帯域のパワーが全空間チャネルで30.3%を占め、適応的に前処理されたチャネルの高速フーリエ変換スペクトル形記述器がさらに15.1%を占めた。 AUCと曲線長の特徴は主要な補完的な時間領域の証拠(21.5%)を提供し、ウェーブレット由来の非線形特徴はより小さな二次効果(59の特徴に対して10.4%)をもたらした。 周波数領域と時間領域の特徴は、全識別情報の67%を占め、完全な特徴ライブラリのコンパクトで解釈可能なサブセットが、患者非依存のバリデーションの下で臨床的に関連性のある性能を達成し、将来のBCGシステムにおける特徴選択の実証的基盤を提供することを示した。

関連論文リスト

• State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models [0.0]
  呼吸活動は、ウェアラブルストレスと情動状態認識のための直接的かつ解釈可能な生理学的チャネルである。 この研究は、RESPに基づく認識を共同予測および説明問題として再設計する。 本研究は,60 s窓の残量検証を行い,コンパクトな生信号1D-CNNと手技による呼吸シグネチャの2つの相補的な枝を組み合わせた。
  論文  参考訳（メタデータ） (2026-06-25T08:01:36Z)
• Atrial Fibrillation Detection Using Machine Learning [3.5522386235856582]
  心房細動(AF)は、一般的な不整脈であり、虚血性脳卒中の主要な危険因子である。 本稿では,ECG信号とECG信号の同時検出のための10倍の機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-20T07:30:08Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Microelectrode Signal Dynamics as Biomarkers of Subthalamic Nucleus Entry on Deep Brain Stimulation: A Nonlinear Feature Approach [0.0]
  本稿では、非線形力学とエントロピーに基づくメトリクスを利用して、STN内外から記録された神経活動の分類を行うフレームワークを提案する。 本研究は,DBS手術中におけるリアルタイム・データ駆動意思決定支援における非線形・エントロピー信号記述子の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-06-14T23:23:26Z)
• A Federated Learning Framework for Stenosis Detection [70.27581181445329]
  本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。 アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。 データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
  論文  参考訳（メタデータ） (2023-10-30T11:13:40Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Frequency comb and machine learning-based breath analysis for COVID-19 classification [0.6113111451963646]
  本研究では,各呼吸試料中の数万のスペクトル特性を同時に測定する頑健な分析手法を提案する。 コロラド大学における170個のサンプルを用いて, 受信-操作-特性曲線 0.849(4) のクロスバリデーション領域を報告した。 喫煙や腹痛などの他の変数と同様に,男性と女性の呼吸に有意な差が認められた。
  論文  参考訳（メタデータ） (2022-02-04T05:58:52Z)
• Automatic Cough Classification for Tuberculosis Screening in a Real-World Environment [5.6663315405998365]
  結核(tb)患者と他の肺疾患患者が発する発声音とを自動的に判別することが可能であることを示す第1報を報告する。 本実験は, TB患者16名, 呼吸器疾患患者33名, TB以外の患者33名を対象に, 実世界の診療所で得られたコークス記録のデータセットに基づいて行った。 以上の結果から, 音素の自動分類は, TBの低コストで展開可能なフロントラインスクリーニングの手段として有望であり, 開発途上国のTB負荷に大きく貢献すると考えられる。
  論文  参考訳（メタデータ） (2021-03-23T15:03:52Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。