論文の概要: TRACE: Tractable Routing Autoencoder for Clinical ECG

• arxiv url: http://arxiv.org/abs/2609.23460v1
• Date: Sun, 20 Sep 2026 08:41:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.83311
• Title: TRACE: Tractable Routing Autoencoder for Clinical ECG
• Title（参考訳）: TRACE:Tractable Routing Autoencoder for Clinical ECG
• Abstract要約: 臨床心電図のためのトラクタブルルーティングオートエンコーダであるTRACEを提案する。 OntologyはマクロF1コストなしで意思決定パスの監査機能を提供する。
• 参考スコア（独自算出の注目度）: 5.395924536869555
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning has advanced automated electrocardiogram (ECG) diagnosis, but the field's most accurate models, foundation models pretrained on millions of recordings, are not decision-pathway auditable: a clinician cannot trace a diagnosis to a physiological pathway or intervene on one. We propose TRACE, a Tractable Routing Autoencoder for Clinical ECG, whose 32-dimensional clinical latent space is specified in advance from domain knowledge rather than discovered by optimization. TRACE partitions this space into perfusion, structure, and conduction subspaces, routes each to its own diagnostic head by design, regularizes the partition with an orthogonality penalty, and reconstructs the ECG through a decoder that permits latent perturbation. On PTB-XL and Georgia, TRACE exceeds unconstrained classifiers and stays ahead of an ECG foundation model pretrained on ten million recordings, evaluated by linear probe on frozen features, at roughly an eighth of the parameter count. On the nine-label CPSC2018 cohort, which carries no structural class, the framework transfers with only the routing table re-specified to a perfusion/rhythm/conduction partition. Joint probe, erasure, and perturbation analyses verify the routing contract, and perturbing the depolarization and repolarization pathways modulates the reconstructed waveform. Removing the specified partition and its orthogonality penalty costs 1.70 AUC and 11.30 macro-F1 points on PTB-XL, and 2.76 AUC and 16.92 macro-F1 points on Georgia. A capacity-matched permutation control places arbitrary assignments within 0.34 AUC points of the ontology routing and leaves macro-F1 statistically level (p=0.619): the ontology supplies decision-pathway auditability at no macro-F1 cost.
• Abstract（参考訳）: 深層学習は心電図(ECG)の診断を高度に進めているが、現場の最も正確なモデル、何百万もの録音で事前訓練された基礎モデルは、判定パスの監査ができない。 提案するTRACEは,32次元のクリニカル潜在空間を,最適化によって発見されるのではなく,ドメイン知識から事前に指定する,Tractable Routing Autoencoder for Clinical ECGを提案する。 TRACEは、この空間を灌流、構造、伝導サブ空間に分割し、設計によってそれぞれの診断ヘッドにルートし、直交ペナルティで分割を規則化し、潜伏摂動を許容するデコーダを通してECGを再構築する。 PTB-XLとジョージアでは、TRACEは制限されていない分類器を超え、1000万レコードに事前訓練されたECG基盤モデルよりも先に留まり、凍結した特徴に関する線形プローブによりパラメータの約8分の1で評価される。 構造クラスを持たない9ラベルのCPSC2018コホートでは、このフレームワークはパーフュージョン/リズム/伝導パーティションに再指定されたルーティングテーブルのみで転送される。 共同プローブ,消去,摂動解析はルーティング契約を検証し,非分極経路と再分極経路を摂動することで再構成された波形を変調する。 PTB-XLでは1.70AUCと11.30AUCのマクロF1ポイント、ジョージアでは2.76AUCと16.92AUCのマクロF1ポイントがかかる。 容量整合置換制御は、オントロジールーティングの0.34AUCポイント内に任意の割り当てを配置し、マクロF1統計レベル(p=0.619):オントロジーはマクロF1コストなしで決定パスウェイ監査性を提供する。

関連論文リスト

• Anatomy-Change-Aware Bidirectional Selective State-Space Memory for Clinically Deployed Thoracic Radiotherapy Auto-Contouring [0.6439594960617159]
  DAMM-Net++は胸部放射線治療のための2.5Dアーキテクチャである。 これはスライス表面の不整合、小さな低コントラストターゲットの系統的故障、ケースごとの信頼性信号の欠如に対処する。 平均Diceは0.955、HD95は3.78mmで、低コントラストの臓器のリスクが最も高い。
  論文  参考訳（メタデータ） (2026-09-11T11:13:06Z)
• Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
  ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。 本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
  論文  参考訳（メタデータ） (2026-07-23T09:59:30Z)
• Mechanistic Interpretability of EEG Foundation Models via Sparse Autoencoders [21.680094490174003]
  脳波基礎モデルは最先端の臨床成績を達成するが、それらの予測を駆動する内部計算は不透明である。 アーキテクチャ的に異なる3つのEEGトランスにTopKスパースオートエンコーダを適用する。 アーキテクチャ間のモノセマンティリティと絡み合いをベンチマークします。
  論文  参考訳（メタデータ） (2026-05-13T16:02:56Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• 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)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• Baseline Drift Tolerant Signal Encoding for ECG Classification with Deep Learning [0.9012198585960443]
  本研究は,信号1次および2次時間微分のゼロ交叉に対応する符号付きスパイクを生成する非パラメトリック法である導出ピーク符号化(DP)を提案する。 DPエンコーディングは、アーチファクトのシフトやスケーリングには不変であり、ユーザ定義パラメータの欠如により、その実装はさらに単純化されている。
  論文  参考訳（メタデータ） (2024-04-26T15:46:58Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。