論文の概要: Prism-SQA: An Interpretable and Adaptable Neural Framework for Surface Electromyography Quality Assessment
- arxiv url: http://arxiv.org/abs/2609.12724v1
- Date: Fri, 11 Sep 2026 11:23:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.729163
- Title: Prism-SQA: An Interpretable and Adaptable Neural Framework for Surface Electromyography Quality Assessment
- Title（参考訳）: Prism-SQA:表面筋電図品質評価のための解釈可能で適応可能なニューラルネットワークフレームワーク
- Abstract要約: sEMGは、信号形態やスペクトルを歪ませる様々な汚染物質に弱い。
近年のニューラルネットワークに基づくSQA法は, 複雑な汚染パターンを学習することにより, 正確な品質評価を実現する。
本稿では,SQAを生理学的に認識したソース分離と検証プロセスとして再構成する,解釈可能な適応可能なニューラルネットワークフレームワークであるPrism-SQAを提案する。
- 参考スコア（独自算出の注目度）: 23.291031469902308
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: sEMG is vulnerable to various contaminants that distort signal morphology and spectral content. Accurate signal quality assessment (SQA) is essential for identifying such degradation and ensuring reliable clinical analyses and decisions. Recent neural network-based SQA methods achieve accurate quality estimation by learning complex contamination patterns, yet their black-box nature prevents clinicians from understanding or validating the reported scores and limits adaptability to application-specific quality definitions without retraining. To address these limitations, we propose Prism-SQA, an interpretable and adaptable neural framework that reformulates SQA as a physiology-aware source-separation and verification process. Prism-SQA decomposes each input signal into a clean sEMG component and five contaminant-specific components using a U-Net with bidirectional long short-term memory. Each separated contaminant component is examined by a Contaminant Fingerprint Verifier, which enforces physiological plausibility by comparing its temporal and spectral structure with canonical contaminant signatures. This design allows clinicians to inspect how each contaminant affects signal quality, grounding the assessment in transparent, signal-level evidence rather than opaque latent representations. Quality indices computed from the verified components further enable customization of quality criteria across clinical contexts without retraining. We evaluate Prism-SQA on continuous quality-score estimation using synthesized noisy sEMG from public Ninapro datasets and on binary quality classification using a clinical dysphagia dataset. Results show that Prism-SQA achieves competitive or better performance than contemporary black-box neural methods while providing explicit interpretability and adaptability, advancing toward practical and clinically aligned sEMG SQA.
- Abstract（参考訳）: sEMGは、信号形態やスペクトルを歪ませる様々な汚染物質に弱い。
正確な信号品質評価(SQA)は、そのような劣化を識別し、信頼性の高い臨床分析と決定を保証するために不可欠である。
最近のニューラルネットワークに基づくSQA法は複雑な汚染パターンを学習することで正確な品質評価を実現するが、そのブラックボックスの性質により、臨床医は報告されたスコアを理解したり検証したりすることができず、再トレーニングなしにアプリケーション固有の品質定義への適応性を制限することができる。
これらの制約に対処するため,生理的要因を考慮したソース分離と検証プロセスとしてSQAを再構成する,解釈可能な適応可能なニューラルネットワークフレームワークであるPrism-SQAを提案する。
Prism-SQAは、各入力信号を、双方向の長期記憶を持つU-Netを用いて、クリーンなsEMGコンポーネントと5つの汚染物質固有のコンポーネントに分解する。
分離された汚染物質成分は、その時間構造とスペクトル構造を正準汚染物質シグネチャと比較することにより生理的妥当性を強制する汚染指紋検証器によって検査される。
この設計により、臨床医は各汚染物質が信号品質にどのように影響するかを検査することができ、不透明な潜伏表現よりも透明で信号レベルの証拠で評価する。
検証されたコンポーネントから計算された品質指標は、再トレーニングすることなく、臨床コンテキスト間で品質基準のカスタマイズを可能にする。
そこで我々は,Ninaproデータセットから合成ノイズsEMGを用いて連続的な品質スコア推定を行い,また臨床用ジスフォリアデータセットを用いたバイナリ品質分類についてPrism-SQAの評価を行った。
以上の結果から,Prism-SQAは現代のブラックボックスニューラル法よりも競合的あるいは優れた性能を示しつつ,明確な解釈性と適応性を提供し,実用的,臨床的に整合したsEMG SQAへと進むことが示唆された。
関連論文リスト
- PrISM-IQA: Image Quality Assessment Made Practical for Smartphone Photography [31.119279600828282]
本稿では,スマートフォン IQA を多問題順序診断問題として再検討する IQA 用の ISP 対応構造化モデルを提案する。
PrISM-IQAは、ISPに関連する各問題に対して、テキストの順序付けされた重大度レベル(欠落、マイナー、深刻、クリティカル)を予測する。
我々は,ISP関連品質問題に53ドルをかけた再構成SPAQベンチマークと,エキスパートアノテート実世界の小規模データセットを用いてPrISM-IQAを評価した。
論文 参考訳（メタデータ） (2026-06-30T13:10:29Z) - EFIQA: Explainable Fundus Image Quality Assessment via Anatomical Priors [3.868953398237752]
EFIQAは, 品質管理を必要とせず, 空間品質マップを設計により生成するフレームワークである。
基礎写真では、まず、マスク付き解剖学的塗布を用いて教師なしの異常検出装置を訓練し、欠落した血管の部位を特定することによって、これを2段階のアプローチとしてインスタンス化する。
論文 参考訳（メタデータ） (2026-06-18T11:31:08Z) - FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。
属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。
PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
論文 参考訳（メタデータ） (2026-05-05T02:31:18Z) - CT-FineBench: A Diagnostic Fidelity Benchmark for Fine-Grained Evaluation of CT Report Generation [51.11942945171396]
従来の評価指標は、語彙重なり合いやエンティティマッチングの粗い尺度のみを提供する。
我々はCT-RATEとMerlinのベンチマークであるCT-FineBenchを提案し、CTレポートの微細な事実整合性を評価する。
我々のベンチマークは、綿密な質問回答(QA)ベースのプロセスによって構築されます。
論文 参考訳（メタデータ） (2026-04-27T03:32:46Z) - QD-PCQA: Quality-Aware Domain Adaptation for Point Cloud Quality Assessment [59.63956655216264]
No-Reference Point Cloud Quality Assessment (NR-PCQA)は、まだ一般化に苦戦している。
HVS(Human Visual System)は、メディアタイプとは独立して知覚品質の評価を実行する。
QD-PCQAと呼ばれるPCQAのための新しい品質対応ドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-04T04:58:07Z) - Task- and Metric-Specific Signal Quality Indices for Medical Time Series [1.0104253368113927]
信号品質をタスクとメートル法に依存した概念として定式化し、摂動に基づくSQI(pSQI)を提案する。
pSQIは、メトリックに関する入力信号におけるアルゴリズムの性能劣化を検出することを目的としている。
Rピーク検出と心房細動分類ベンチマークの実験は、提案したpSQIが既存の特徴と深層学習に基づくSQIを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-02-12T23:23:41Z) - Fast, Unsupervised Framework for Registration Quality Assessment of Multi-stain Histological Whole Slide Pairs [0.08209843760716957]
全スライド画像(WSI)の高忠実性登録は分子解析に不可欠であるが,GTアノテーションを使わずに評価は困難である。
本研究は,登録H&EとIHC WSIペアの登録品質評価(RQA)のための,組織マスクのダウンサンプリングと変形に基づくメトリクスを併用した,高速かつ教師なしのフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-03T22:30:00Z) - Conditional Generative Framework with Peak-Aware Attention for Robust Chemical Detection under Interferences [3.976291254896486]
本稿では,ピーク対応条件生成モデルに基づく人工知能識別フレームワークを提案する。
このフレームワークは、GC-MSデータの特徴的ピークをハイライトする新しいピーク対応メカニズムで学習される。
さらに、化学および溶媒情報は、それに埋め込まれた潜伏ベクトルに符号化され、条件付き生成対向ニューラルネットワークが合成GC-MS信号を生成する。
論文 参考訳（メタデータ） (2026-01-29T04:10:37Z) - Life-IQA: Boosting Blind Image Quality Assessment through GCN-enhanced Layer Interaction and MoE-based Feature Decoupling [53.74410422225995]
ブラインド画像品質評価(BIQA)は視覚経験の評価と最適化において重要な役割を担っている。
既存のBIQAアプローチのほとんどは、バックボーンネットワークから抽出された浅く深い特徴を融合させ、品質予測に不平等な貢献を見落としている。
本稿では,BIQA の浅層・深層特性の寄与について検討し,GCN によるアンダーライン層アンダーライン相互作用と MoE ベースのアンダーラインアンダーラインデカップリング(textbf(Life-IQA))による効果的な品質特徴デコードフレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-24T11:59:55Z) - Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。
提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
論文 参考訳（メタデータ） (2023-12-11T06:50:27Z) - Fingerprint Image-Quality Estimation and its Application to
Multialgorithm Verification [56.128200319868526]
信号品質の認識は、認識率を増大させ、マルチセンサー環境における決定を著しく支援することが見出されている。
本稿では, 指紋画像の向きテンソルを用いて, ノイズ, 構造不足, ぼやけなどの信号障害を, 対称性記述子の助けを借りて定量化する。
定量的な結果は、あらゆる面において品質意識を優先し、認識率を高め、異なるスキルを持つ専門家を効果的かつ効果的に融合させる。
論文 参考訳（メタデータ） (2022-11-24T12:17:49Z)
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。