論文の概要: Physiological Information Reliability: Cross-Layer Adaptive Resource Allocation for Cardiovascular Sensing
- arxiv url: http://arxiv.org/abs/2609.00435v1
- Date: Mon, 31 Aug 2026 22:17:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.109211
- Title: Physiological Information Reliability: Cross-Layer Adaptive Resource Allocation for Cardiovascular Sensing
- Title（参考訳）: 生理的情報信頼性:循環器センシングのためのクロスレイヤ適応型資源配分
- Abstract要約: 循環器系は、信号の劣化、無線の損失、エネルギーの制約、エッジ計算の遅延にもかかわらず、臨床的に有用な情報を保存しなければならない。
生理情報計算(PIR)は,無線エネルギー計算状態を用いて生理情報値を表すクロスレイヤフレームワークである。
我々は,ECG/信号品質推定と生理情報値と適応型ネットワーク符号化層をバースト消去条件下で統合する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular sensing systems must preserve clinically useful information despite signal degradation, wireless losses, energy constraints, and edge-computation latency. We introduce Physiological Information Reliability (PIR), a cross-layer framework that represents physiological information value jointly with wireless, energy, and computation states and uses a contextual bandit to adapt sensing and communication decisions. We integrate multimodal ECG/PPG signal-quality estimation with physiological information value and an adaptive network-coding layer under burst-erasure conditions. Across controlled multiseed experiments, PIR-LinUCB demonstrates a promising low-energy operating point while maintaining medical latency constraints and competitive physiological estimation performance relative to fixed and heuristic policies. We analyze the resulting accuracy-energy-latency trade-offs and identify limitations of proxy PIV estimation and simulated communication dynamics. These results provide an initial computational demonstration of physiological-information-aware resource allocation and motivate future clinical and real-channel validation.
- Abstract（参考訳）: 循環器系は、信号の劣化、無線の損失、エネルギーの制約、エッジ計算の遅延にもかかわらず、臨床的に有用な情報を保存しなければならない。
生理情報信頼性(PIR)は, 無線, エネルギー, 計算状態と協調して生理情報の値を表すクロスレイヤフレームワークであり, 知覚とコミュニケーションの判断に適応するために, 文脈的帯域幅を用いる。
我々は,マルチモーダルECG/PPG信号品質推定と生理情報値と適応型ネットワーク符号化層をバースト消去条件下で統合する。
PIR-LinUCBは、制御されたマルチシード実験全体にわたって、医療遅延の制約と、固定的およびヒューリスティックなポリシーに対する競合的な生理的評価性能を維持しながら、有望な低エネルギー動作点を示す。
我々は、その結果の精度-遅延トレードオフを分析し、プロキシPIV推定の限界とシミュレーション通信のダイナミクスを同定する。
これらの結果は、生理的情報に配慮したリソース割り当ての初期の計算デモを提供し、将来の臨床および実チャネル検証を動機づけるものである。
関連論文リスト
- Evidential Perfusion Physics-Informed Neural Networks with Residual Uncertainty Quantification [1.96119233299268]
Evidential Perfusion Physics-Informed Neural Networks (EPPINN) を提案する。
EPPINNは、古典的なデコンボリューションやPINNベースラインよりも低い正規化平均絶対誤差を達成する。
臨床データでは、EPPINNは、最も高いボクセルレベルおよびケースレベルの梗塞コア検出感度を達成している。
論文 参考訳（メタデータ） (2026-03-10T08:39:34Z) - Imaging-Derived Coronary Fractional Flow Reserve: Advances in Physics-Based, Machine-Learning, and Physics-Informed Methods [7.459890577132048]
差分流量予備区(FFR)は、機械学習(ML)、ディープラーニング(DL)、そして高速でワイヤフリーでスケーラブルな冠動脈狭窄の機能評価を可能にする物理情報に基づくアプローチに向けて、従来の計算流体力学(CFD)ベースのパイプラインを超えて急速に進化している。
本稿では,近年のCTおよび血管造影に基づいたFFRの進歩を概説する。特に,新しい物理情報ニューラルネットワークとニューラルオペレータ(PINN,PINO)に着目し,臨床翻訳の要点について考察する。
論文 参考訳（メタデータ） (2026-02-17T20:46:25Z) - NMCSE: Noise-Robust Multi-Modal Coupling Signal Estimation Method via Optimal Transport for Cardiovascular Disease Detection [12.42019711058722]
ノイズ・ロバスト多モード結合信号推定(NMCSE)を提案する。
NMCSEは、最適輸送によって解決された分布マッチング問題として結合信号推定を再構成する。
NMCSEは、臨床と生理の両方のノイズの下で、既存の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2025-05-14T18:25:43Z) - Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。
TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-11T15:20:45Z) - PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。
PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
論文 参考訳（メタデータ） (2025-05-06T15:18:38Z) - From Biometrics to Environmental Control: AI-Enhanced Digital Twins for Personalized Health Interventions in Healing Landscapes [5.381203326687129]
本稿では,生体信号,特に心電図(ECG)データを温度,湿度,換気などの環境パラメータと統合したAI強化デジタルツインフレームワークを提案する。
システムは、物理環境の応答性のある仮想レプリカを構築するために、連続的にマルチモーダルデータストリームを取得し、同期し、前処理する。
論文 参考訳（メタデータ） (2025-05-04T21:58:18Z) - ConvexECG: Lightweight and Explainable Neural Networks for Personalized, Continuous Cardiac Monitoring [43.23305904110984]
ConvexECGは、単誘導データから6誘導心電図を再構成するための説明可能かつ資源効率のよい方法である。
我々は、ConvexECGがより大きなニューラルネットワークに匹敵する精度を実現し、計算オーバーヘッドを大幅に削減することを示した。
論文 参考訳（メタデータ） (2024-09-19T06:14:30Z) - L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。
人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。
我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
論文 参考訳（メタデータ） (2024-06-07T12:01:37Z) - EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient
Arrhythmia Classification [79.7946379395238]
心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。
本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
論文 参考訳（メタデータ） (2023-10-24T02:37:49Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-27T14:39:41Z) - Video-based Remote Physiological Measurement via Cross-verified Feature
Disentangling [121.50704279659253]
非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。
次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。
歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
論文 参考訳（メタデータ） (2020-07-16T09:39:17Z)
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。