論文の概要: Cross-Dataset Transfer and Reliability of Explainable Artificial Intelligence for RhythmFormer Remote Photoplethysmography

• arxiv url: http://arxiv.org/abs/2609.03663v1
• Date: Thu, 03 Sep 2026 10:59:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.026539
• Title: Cross-Dataset Transfer and Reliability of Explainable Artificial Intelligence for RhythmFormer Remote Photoplethysmography
• Title（参考訳）: RhythmFormer Remote Photoplethysmographyにおけるデータ転送と説明可能な人工知能の信頼性
• Abstract要約: リモート光胸腺撮影は、顔画像から心臓血管の脈波を推定する。 それらの説明を定量化し、モデルの性能に関連があるかどうかを問うた。 ある条件に対する帰属が示すのは、その地図がどれだけ忠実に順序付けられたかというよりも、モデルがどのように見えるかである。
• 参考スコア（独自算出の注目度）: 1.647210198730602
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. Remote photoplethysmography estimates the cardiovascular pulse from facial video, and its explanations have rested on inspecting heatmaps rather than on quantitative evidence about where a model reads it. We quantified the explanations and asked whether such explanations transfer between datasets and track model performance. Method. We trained eight condition-specific RhythmFormer models on NCKU-rPPG, recorded under three illumination levels, speaking, rotation, and cycling, estimated one heart rate per 5.12-second clip, and set them beside a UBFC-rPPG reproduction. Raw attention, rollout, attention flow, and Beyond Intuition were assessed by skin coverage and the Salience-guided Faithfulness Coefficient (SaCo). Results. Beyond Intuition ranked highest on both datasets, at median coverage 0.789 and SaCo 0.837 on Static level 3 against 0.826 and 0.917 on UBFC-rPPG; lower ranks differed. Within one participant of one condition, neither measure was related to a clip's heart-rate error, waveform correlation, or signal-to-noise ratio on either dataset: 186 of the 252 coefficients fell below $|ρ|=0.10$ and 28 reached $p<0.05$ against the 13 expected by chance. Across the eight scenarios only Beyond Intuition's coverage followed the three performance measures, at $ρ=-0.43$, $+0.57$, and $+0.43$, while the attention-only methods' SaCo ran opposite to each. It failed at 40 lux alone, its median coverage falling to 0.180 and its median SaCo to $-0.178$, whereas motion degraded the estimates far more without such a drop. Conclusions. Skin coverage and SaCo carry information complementary to the performance measures rather than a proxy for them: attributing to the skin does not guarantee an accurate estimate. What an attribution reveals about a condition is where the model looks rather than how faithfully its map is ordered.
• Abstract（参考訳）: 背景。 リモート・フォトプレソグラフィーは、顔の映像から心臓血管の脈波を推定し、その説明は、モデルをどこで読むかという定量的な証拠ではなく、熱マップの検査に向けられている。 そこで我々は,これらの説明を定量化し,その説明がデータセット間で伝達されるかどうかを問うた。 方法。 NCKU-rPPGを用いて8種類の条件特異的RhythmFormerモデルを訓練し, 講演, 回転, サイクリングの3つの照明レベルに記録し, 約5.12秒間1回の心拍数を推定し, UBFC-rPPGの再生の横に設定した。 サリエンス誘導忠実度係数 (SaCo) を用いて, 生着, ロールアウト, 注意流, および外的直観を評価した。 結果。 Intuitionは両方のデータセットで最高位、Staticレベル3では0.789、SaCo 0.837で0.826、UBFC-rPPGでは0.917で、下位では異なる。 1つの条件の1つの参加者の中で、どちらの指標もクリップの心拍誤差、波形相関、またはいずれのデータセットの信号対雑音比とは関係がない: 252係数のうち186 は |ρ|=0.10$ 以下となり、28 は偶然に予想される 13 に対して p<0.05$ に達した。 8つのシナリオ全体では、直観のカバレッジに留まらず、3つのパフォーマンス対策(ρ=-0.43$, $+0.57$, $+0.43$)が続いた。 40ルックス単独で失敗し、中央値は0.180ドル、中央値はSaCoが0.178ドルとなった。 結論。 SkinカバレッジとSaCoは、プロキシではなくパフォーマンス対策を補完する情報を持っている。 ある条件に対する帰属が示すのは、その地図がどれだけ忠実に順序付けられたかというよりも、モデルがどのように見えるかである。

関連論文リスト

• Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
  本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。 3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-15T00:31:01Z)
• Automated Perceptually-Motivated Assessment of Photographic Consistency in Paired Clinical Photographs: Pipeline Development and Internal Evaluation [0.0]
  我々は、13のキャリブレーションされたサブメトリックにまたがるプレ/ポストペアを分析するパイプラインを開発した。 パイプラインは、患者内公開のプレ/ポストペア134に適合し、同一イメージペア、合成・摂動ペア134とミスマッチしたクロスパブリケーションペア134に対して評価された。
  論文  参考訳（メタデータ） (2026-09-14T07:19:17Z)
• OmniMed-FL: A Robust Multimodal Federated Learning Framework for Clinical Diagnosis [17.411567668075577]
  OmniMed-FLは,5段階の臨床条件分類のためのマルチモーダル学習の制御システムである。 本研究のプロキシコーパスでは, 患者ではなくクラス別に, 3000の公衆胸部X線写真と3,000のクラスFOLD合成ノートを照合した。 すべてのノートは合成され、ペアリングは患者レベルではないため、これらは記述的なプロキシ比較であり、診断性能やデプロイメントの準備ができていない。
  論文  参考訳（メタデータ） (2026-09-09T15:56:26Z)
• Passive wearable physiology tracks a state-level material-hardship gradient in resting heart rate [0.0]
  安静時心拍数は心臓血管のリスクの指標として確立されているが、人口規模の測定は臨床または調査機器に依存している。 臨床コホートで確立された社会経済の勾配を,受動的に知覚した消費者ウェアラブル生理学が回復するか否かを問う。 Welltoryアプリのオプトインユーザー18,734人の1910万枚の品質フィルターによるフォトプレチスモグラフィーデータを用いて、米国1州あたりの平均日中安静心拍数を計算した。
  論文  参考訳（メタデータ） (2026-07-28T05:25:03Z)
• A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models [0.0]
  全スライディングサバイバルモデルは、個々のイベント時間に関するキャリブレーションされたステートメントなしで、リスクランキングを提供することが多い。 離散時間多重インスタンス学習サバイバルヘッド用ポストホックコンフォメーションラッパーである固定カットド・ドコサルクについて検討した。
  論文  参考訳（メタデータ） (2026-07-23T12:58:04Z)
• Auditing Construct Overlap in Explainable Machine Learning: Evidence from Burnout-Depression Prediction Across Student Cohorts [0.7734726150561088]
  我々は、ElasticNetパイプラインが明らかにローバストでクロスポピュレーション可能なリスク階層を生成する方法を示す。 パイプラインは、結果が測定された場所において、特性不安と健康満足度が支配される階層を生成する。
  論文  参考訳（メタデータ） (2026-07-12T07:56:38Z)
• CaricHarmony: Contrastive Diffusion Paths for Identity-Preserving Caricature Synthesis [49.596677723190886]
  スケッチベースの似顔絵合成は、基本的な失敗モードに悩まされる。 アイデンティティと形状の条件は拡散モデルに組み合わされ、地味な肖像画や認識不能な歪みに対して崩壊する。 並列な未汚染拡散経路を通じてこの汚染を明示的に解消する最初の訓練不要な手法であるCaricHarmonyを提案する。
  論文  参考訳（メタデータ） (2026-06-11T22:57:59Z)
• TriALS: Triphasic-Aided Liver Lesion Segmentation Benchmark in Non-Contrast CT [49.93685997940356]
  コントラスト制限条件下での肝病変の自動分節に対するTriALSの課題について述べる。 最高性能は平均静脈圧0.754で, NCCTでは0.57に低下した。 アルゴリズムの性能は、トレーニングデータスケールと事前学習戦略によって最も強く予測された。
  論文  参考訳（メタデータ） (2026-05-15T19:23:35Z)
• Regional Attention-Enhanced Swin Transformer for Clinically Relevant Medical Image Captioning [4.754208048304996]
  軽量な地域アテンションモジュールを備えたSwin-BARTエンコーダデコーダシステムを提案する。 我々のモデルは、コンパクトで解釈可能なまま、最先端のセマンティック忠実性を達成する。 提案した設計は、正確な、臨床的に言い換えられたキャプションと透明な地域属性をもたらす。
  論文  参考訳（メタデータ） (2025-11-13T02:55:32Z)
• An Explainable Non-local Network for COVID-19 Diagnosis [37.378584156643825]
  新型3次元非局所ネットワーク(NL-RAN)を用いて,COVID-19,コモン肺炎,正常などのCT画像の分類を行った。 ネットワークにはグローバル情報をキャプチャするための非ローカルモジュールが埋め込まれており、3Dアテンションモジュールは病変の詳細に集中するために埋め込まれている。 実験結果から,提案手法は既存手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-08-08T08:35:21Z)
• CardioSyntax: end-to-end SYNTAX score prediction -- dataset, benchmark and method [36.440495538328754]
  SynTAXスコアは、冠動脈疾患の重症度を測る手段として広く用いられている。 本稿では,冠動脈造影からSynTAXスコアを自動推定する医療レグレッションと分類問題を提案する。 我々は,SynTAXスコア推定と冠優位分類のために,3,018人の総合的なCardioSYNTAXデータセットを提示した。
  論文  参考訳（メタデータ） (2024-07-29T11:16:59Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Semi-supervised learning for generalizable intracranial hemorrhage detection and segmentation [0.0]
  本研究は頭蓋内出血の検出・分節化のための半教師付き学習モデルの開発と評価である。 最初の「教師」ディープラーニングモデルは、2010年から2017年にかけて米国のある機関から収集された457ピクセルの頭部CTスキャンに基づいて訓練された。 2つ目の"学生"モデルは、このピクセルラベル付きデータセットと擬似ラベル付きデータセットの組み合わせでトレーニングされた。
  論文  参考訳（メタデータ） (2021-05-03T00:14:43Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。