Fugu-MT 論文翻訳(概要): Learning Cardiac Features: ECG Biometrics Across Time and~Exercise

論文の概要: Learning Cardiac Features: ECG Biometrics Across Time and~Exercise

arxiv url: http://arxiv.org/abs/2609.21962v1
Date: Fri, 18 Sep 2026 16:22:31 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-21 18:40:17.182976
Title: Learning Cardiac Features: ECG Biometrics Across Time and~Exercise
Title（参考訳）: 心電図のバイオメトリックスを時間と運動で学ぶ
Abstract要約: 心電図(ECG)は、心電図のバイオメトリックスの基礎を形成し、信頼性の高い個人識別を可能にする主観的なパターンを持つ。運動負荷によるストレスとクロスセッション変動を伴う現実的な条件下での心電図バイオメトリックスの評価を行った。このECGバイオメトリックスの最初の広範囲な評価は、CYBHiデータセット上でのセッション内でのEERの1.7%と最先端の3.9%を達成している。
参考スコア（独自算出の注目度）: 0.6299766708197883
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electrocardiograms (ECGs) carry subject-specific patterns enabling reliable individual discrimination, forming the basis of ECG biometrics. Beyond authentication, this paradigm holds significant potential to secure sensitive cardiac data and to serve as a pretext task in self-supervised learning. Yet, most studies remain confined to singlesession, resting data, leaving robustness to temporal and physiological variations largely untested. We address this gap by evaluating ECG biometrics under realistic conditions involving exercise-induced stress and cross-session variability. A Siamese ResNet with late multi-lead fusion strategy is trained on a large ECG dataset extracted from cardiopulmonary exercise tests and evaluated with a exercise-and time-aware protocol, as well as on public benchmarks. This first extensive assessment of ECG biometrics under combined physiological and temporal variability achieves an intra-session rest-to-peak EER of 1.7% and stateof-the-art 3.9% on the CYBHi dataset. Findings support the presence of an intrinsic cardiac signature resilient to physiological and temporal drift.
Abstract（参考訳）: 心電図(ECG)は、心電図のバイオメトリックスの基礎を形成し、信頼性の高い個人識別を可能にする主観的なパターンを持つ。認証以外にも、このパラダイムは、機密性のある心臓データを保護し、自己教師付き学習におけるプレテキストタスクとして機能する大きな可能性を秘めている。しかし、ほとんどの研究はシングルセッションに限られており、データは休息し、時間的および生理的変異への頑健さはほとんど証明されていない。本研究は,エクササイズストレスとクロスセッション変動を含む現実的な条件下でのECGバイオメトリックスの評価により,このギャップに対処する。 Siamese ResNetは、心肺運動テストから抽出された大きなECGデータセットでトレーニングされ、運動および時間認識プロトコルおよび公開ベンチマークで評価される。生理的および時間的変動の複合によるECGバイオメトリックスの最初の広範囲な評価は、CYBHiデータセットの1.7%と最先端の3.9%のセッション内静止EERを達成する。発見は、生理的および時間的ドリフトに耐性のある本質的な心臓のサインの存在を支持する。

関連論文リスト

Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2026-09-08T16:33:07Z)
ECG-LLM: Foundation Model for ECG-Based Cardiac Reasoning [50.82313761980655]
ECG-LLMは186,409人を対象にした4つのコホート679,112のECG研究で訓練されたECG条件付き大言語モデルである。 ECG信号、臨床コンテキスト、CMR、ECHOから導かれる、臨床的に構造化された質問応答対をトレーニングする。心拍数などの従来の心電図測定を成功させ、複雑なCMR由来の表現型を強く予測する。
論文参考訳（メタデータ） (2026-07-15T11:06:35Z)
ECG-biometrics-bench: A Unified Framework for Reproducible Benchmarking of ECG Biometrics [0.0]
心電図(ECG)バイオメトリックスは、ウェアラブルシステムにおいて、持続的で生きた認証のための有望なモダリティとして登場した。我々は、広く使用されている7つのパブリックECGデータセットの事前処理、セグメンテーション、評価を標準化する、モジュラーで再現可能なベンチマークフレームワークであるECG-biometrics-benchを紹介する。
論文参考訳（メタデータ） (2026-05-02T17:31:16Z)
Demographic-Aware Self-Supervised Anomaly Detection Pretraining for Equitable Rare Cardiac Diagnosis [45.00216485193071]
心電図による心臓の異常は, 長期分布により検出が困難である。我々は、自己教師付き異常検出と人口動態認識型表現学習を統合したAI支援二段階ECGフレームワークを開発した。本手法は,まれな異常に対して94.7%のAUROCを達成し,コモン・レア性能のギャップを73%削減する。
論文参考訳（メタデータ） (2026-03-20T07:04:00Z)
Echo2ECG: Enhancing ECG Representations with Cardiac Morphology from Multi-View Echos [53.368813255127115]
既存の自己教師型手法は、ECGをシングルビューエコーに整列させることで、表現ミスマッチに悩まされる。本稿では,心電図表現を多視点エコーで捉えることで,心電図表現を充実させるマルチモーダル自己教師型学習フレームワークであるEcho2ECGを提案する。臨床的に関係のある2つの課題に対して,Echo2ECGをECG特徴抽出器として評価した。
論文参考訳（メタデータ） (2026-03-09T15:39:57Z)
Simulator and Experience Enhanced Diffusion Model for Comprehensive ECG Generation [52.19347532840774]
本稿では,心電図生成のための新しい生理シミュレータSE-Diffを提案する。 SE-Diffは、軽量常微分方程式(ODE)ベースのECGシミュレータをビートデコーダを介して拡散過程に統合する。実世界のECGデータセットに対する大規模な実験により、SE-Diffは信号の忠実度とテキスト-ECGセマンティックアライメントの両方を改善している。
論文参考訳（メタデータ） (2025-11-13T02:57:10Z)
CrossStateECG: Multi-Scale Deep Convolutional Network with Attention for Rest-Exercise ECG Biometrics [4.122675696937622]
CrossStateECGは、クロスステート(レスト-エクササイズ)条件に適した、堅牢なECGベースの認証モデルである。提案モデルでは,多段階の深層畳み込み特徴抽出とアテンション機構を組み合わせることにより,異なる生理的状態の強い識別を確実にする。
論文参考訳（メタデータ） (2025-10-20T12:03:46Z)
Domain Knowledge is Power: Leveraging Physiological Priors for Self Supervised Representation Learning in Electrocardiography [3.1670118965354934]
本稿では,生理学を意識したコントラスト学習フレームワークであるPhysiology-aware Contrastive Learning Representation for ECGを紹介する。プレトレーニング中、PhyloCLRは、同様の臨床的に関係のある特徴を共有するサンプルの埋め込みをまとめることを学ぶ。マルチラベルECG診断のための2つのパブリックECGデータセットであるChapmanとGeorgian上でPhyloCLRを評価した。
論文参考訳（メタデータ） (2025-09-09T19:44:50Z)
DE-PADA: Personalized Augmentation and Domain Adaptation for ECG Biometrics Across Physiological States [6.857781758172894]
パーソナライズされた拡張とドメイン適応を備えたデュアルエキスパートモデルであるDE-PADAを提案する。このモデルは、エクササイズデータに直接露出することなく、主に安静状態データに基づいて訓練されている。トロント大学ECGデータベースの実験では、モデルの有効性が示されている。
論文参考訳（メタデータ） (2025-02-07T14:46:13Z)
AnyECG: Foundational Models for Multitask Cardiac Analysis in Real-World Settings [34.078819572852446]
心電図(ECG)は急性心臓発作の検出に非常に敏感である。本稿では,実世界のECGデータからロバストな表現を抽出するための基礎モデルであるAnyECGを紹介する。
論文参考訳（メタデータ） (2024-11-17T17:32:58Z)
Self-supervised inter-intra period-aware ECG representation learning for detecting atrial fibrillation [41.82319894067087]
そこで本研究では,周期型ECG表現学習手法を提案する。心房細動患者の心電図ではRR間隔の不規則性やP波の欠如を考慮し, 経時的および経時的表現のための特定の事前訓練タスクを開発する。本手法は,発作/持続性心房細動検出のためのBTCHデータセット,textiti., 0.953/0.996におけるAUCの顕著な性能を示す。
論文参考訳（メタデータ） (2024-10-08T10:03:52Z)

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。