論文の概要: AF-Mamba: Efficient Long-Term Signal Modeling for Early Prediction of Atrial Fibrillation Onset

• arxiv url: http://arxiv.org/abs/2609.06984v1
• Date: Mon, 07 Sep 2026 03:19:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.347758
• Title: AF-Mamba: Efficient Long-Term Signal Modeling for Early Prediction of Atrial Fibrillation Onset
• Title（参考訳）: AF-Mamba:心房細動の早期予測のための効率的な長期信号モデリング
• Abstract要約: 心房細動(AF)は最も一般的な不整脈であり、脳卒中や心不全のリスクの増加と関連している。 本研究は,長期RR間隔(RRI)を用いた1時間前のAF発症予測に焦点をあてる。 本研究では,時間的畳み込みネットワーク(TCN)を,長距離シーケンスモデリングが可能な選択状態空間モデルであるMambaで符号化する深層学習アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 4.708957892654756
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atrial fibrillation (AF) is the most common cardiac arrhythmia and is associated with increased risks of stroke and heart failure. The growing availability of wearable and portable ECG monitoring enables continuous assessment of cardiac rhythm outside clinical settings. Predicting AF before its onset could provide additional lead time for timely clinical assessment and potentially improve the management of patients at risk of AF-related complications. This study focuses on predicting AF onset one hour in advance using long-term RR intervals (RRIs). To address this challenge, we propose a deep learning architecture that integrates temporal convolutional networks (TCNs) for local features encoding with Mamba, a selective state-space model capable of long-range sequence modeling. This hybrid TCN-Mamba design enables efficient training and inference on one-hour input windows, overcoming limitations of Transformers' quadratic scaling and recurrent networks' vanishing gradients. In subject-wise 5-fold testing, the proposed model achieved a sensitivity of 0.889, specificity of 0.943, F1-score of 0.813, AUROC of 0.974, and AUPRC of 0.933. In paired cross-dataset holdout evaluation, AF-Mamba maintained discriminative performance across unseen AF and NSR datasets, achieving a mean AUROC of 0.897. Compared against state-of-the-art AF prediction models and general time-series models, AF-Mamba achieved competitive predictive performance while providing a favorable performance-efficiency trade-off for long RRI sequences. These findings demonstrate the potential of AF-Mamba for accurate AF prediction one hour in advance and real-time continuous ambulatory monitoring.
• Abstract（参考訳）: 心房細動(AF)は最も一般的な不整脈であり、脳卒中や心不全のリスクの増加と関連している。 ウェアラブルとポータブルECGモニタリングの可用性の向上により、臨床外の心臓リズムの継続的な評価が可能になる。 発症前のAF予測は、タイムリーな臨床評価のためのリードタイムを付加し、AF関連合併症のリスクのある患者の管理を改善する可能性がある。 本研究は,長期RR間隔(RRI)を用いて,1時間前のAF発症を予測することに焦点を当てた。 この課題に対処するために,時間的畳み込みネットワーク(TCN)を統合した深層学習アーキテクチャを,長距離シーケンスモデリングが可能な選択状態空間モデルであるMambaと組み合わせて提案する。 このハイブリッドTN-Mamba設計は、1時間入力ウィンドウ上での効率的なトレーニングと推論を可能にし、トランスフォーマーの2次スケーリングとリカレントネットワークの消滅勾配の制限を克服する。 対象5倍試験において,提案モデルは0.889の感度,0.943の特異性,0.813のF1スコア,0.974のAUROC,0.933のAUPRCを実現した。 AF-Mambaは、ペアデータセットのホールドアウト評価において、未確認のAFデータセットとNSRデータセットの識別性能を維持し、平均AUROC 0.897。 AF-Mambaは最先端のAF予測モデルや一般的な時系列モデルと比較して、長いRRIシーケンスに対して良好な性能と効率のトレードオフを提供しながら、競争力のある予測性能を達成した。 以上の結果より, AF-Mamba が1時間前倒し, リアルタイム連続体温モニタリングに有効であることが示唆された。

関連論文リスト

• Zero-Shot Heart Rate Variability Forecasting from Consumer Wearables Using Time Series Foundation Models [5.572607261284016]
  短期心拍変動(HRV)予測は、臨床医に自律神経機能障害や心不全を検知するための実用的なリードタイムを提供する可能性がある。 消費者ウェアラブルデバイスは、従来の予測アプローチに挑戦する断片的でアーティファクトに富んだHRV信号を生成する。 本研究では,Time Series Foundation Models(TSFM),TimeFM,Chronos,MOIRAIの3つの予測能力について検討した。
  論文  参考訳（メタデータ） (2026-07-22T11:12:07Z)
• 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)
• 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)
• Atrial Fibrillation Prediction Using a Lightweight Temporal Convolutional and Selective State Space Architecture [4.708957892654756]
  心房細動(AF)は、脳卒中、心不全、その他の心血管合併症のリスクを高める最も一般的な不整脈である。 AFの早期予測を可能にするために,RRインターバル(RRI)のみを用いた軽量ディープラーニングモデルを提案する。 モデルでは、30分の入力データを使用して、AFを最大2時間予測することが可能で、予防的介入に十分なリードタイムを提供する。
  論文  参考訳（メタデータ） (2025-08-26T18:37:36Z)
• 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)
• Multi-Model Ensemble Approach for Accurate Bi-Atrial Segmentation in LGE-MRI of Atrial Fibrillation Patients [3.676588766498097]
  心房細動(AF)は、心臓不整脈の最も多い形態であり、死亡率と死亡率の増加と関連している。 この研究は、Unet、ResNet、EfficientNet、VGGを含む複数の機械学習モデルを統合するアンサンブルアプローチを示し、LGE-MRIデータから自動両房セグメンテーションを実行する。
  論文  参考訳（メタデータ） (2024-09-24T13:33:46Z)
• 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)
• 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)
• End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG by Deep Neural Networks [1.4064206416094476]
  心房細動(英: atrial fibrillation、AF)は、毎年何百万人もの人に影響を及ぼす心不整脈の1つである。 機械学習手法は心電図からAFの発生リスクを評価する上で有望な結果を示している。
  論文  参考訳（メタデータ） (2023-09-28T10:47:40Z)
• Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
  心房細動(Atrial Fibrillation,AF)は心臓不整脈である。 畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
  論文  参考訳（メタデータ） (2022-01-14T10:09:01Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。