論文の概要: Pulseflow: PPG Counterfactual Generation Via Latent Transport

• arxiv url: http://arxiv.org/abs/2609.33501v1
• Date: Sun, 27 Sep 2026 12:09:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:14:12.957454
• Title: Pulseflow: PPG Counterfactual Generation Via Latent Transport
• Title（参考訳）: パルスフロー: PPG の非現実的生成と遅延輸送
• Abstract要約: 光胸腺造影は、心房細動(AF)検出を含む連続的心血管モニタリングにおいて重要なモダリティとなっている。 ラベル付きAFレコードは、多くの臨床環境では限定的であり、限られたターゲットデータしか入手できない場合、モデル適応が困難になる。 我々は、条件表現学習と非可逆的潜在輸送を組み合わせたソース条件の反ファクト生成フレームワークであるPulseFlowを導入し、ソースからの情報を保持しながら心リズムを編集する。
• 参考スコア（独自算出の注目度）: 27.88722836010524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoplethysmography (PPG) has become an important modality for continuous cardiovascular monitoring, including atrial fibrillation (AF) detection. However, labeled AF recordings remain limited in many clinical settings, making model adaptation difficult when only limited target data are available. Generative modeling offers a natural way to alleviate this scarcity by synthesizing additional AF signals. Existing approaches, however, mainly generate samples that match the target condition without explicitly modeling how an observed source recording should be transformed, making it difficult to leverage abundant source recordings from a specific population or cohort for targeted augmentation. We introduce PulseFlow, a source-conditioned counterfactual generation framework that combines conditional representation learning with invertible latent transport to edit cardiac rhythm while retaining information from the source. Experiments across two clinical cohorts demonstrate effective rhythm transformation, measurable source correspondence, and improved AF classification under limited labels.
• Abstract（参考訳）: Photoplethysmography (PPG) は心房細動(AF)検出を含む連続的心血管モニタリングにおいて重要なモダリティとなっている。 しかし、多くの臨床環境ではラベル付きAF記録が限られており、限られたターゲットデータしか入手できない場合、モデル適応が困難になる。 生成モデリングは、追加のAF信号を合成することで、この不足を軽減する自然な方法を提供する。 しかし、既存のアプローチでは、観測された音源記録の変換方法を明確にモデル化することなく、ターゲット条件にマッチするサンプルを生成するため、特定の個体群からの豊富な音源記録や、対象拡大のためのコホートを利用するのが困難である。 我々は、条件表現学習と非可逆的潜在輸送を組み合わせたソース条件の反ファクト生成フレームワークであるPulseFlowを導入し、ソースからの情報を保持しながら心リズムを編集する。 2つの臨床コホートにまたがる実験は、効果的なリズム変換、測定可能なソース対応、および限られたラベルの下でのAF分類の改善を示す。

関連論文リスト

• Self-Supervised Cardiac Phase Detection via Single-Parameter Latent Orbits [44.45620787098836]
  心エコー図におけるエンドジストール (ED) とエンドジストール (ES) の正確な同定は、心機能の定量化を支えている。 最近の自己監督手法は、厳密な周期軌道を規定するか、あるいは再構成や登録目的から制約のない低次元運動部分空間を学習する。 我々は、効率的な潜在軌道を学習し、EDローカライゼーションにおける技術の以前の状態を大幅に改善し、ESローカライゼーションにおいて、より制約のある表現とより少ないトレーニングエポックを用いて、それをマッチングする。
  論文  参考訳（メタデータ） (2026-09-10T14:56:16Z)
• Controllable Lung Nodule Synthesis via Histogram-Regularized Latent Diffusion Models [42.11515368961642]
  拡散に基づく生成モデルは、データ合成に有望な戦略を提供する。 肺結節を全3次元CTボリュームで合成する制御可能な潜在拡散モデルを提案する。 このフレームワークは,定量的な測定値と視覚的チューリングテストの両方を通して,強力なビジュアルリアリズムを実現する。
  論文  参考訳（メタデータ） (2026-05-28T22:32:06Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• HOT: Harmonic-Constrained Optimal Transport for Remote Photoplethysmography Domain Adaptation [2.5608506499175103]
  リモート光胸腺撮影(ミノグラフィー)は、顔画像から非接触計測を可能にする。 近年の深層学習に基づくFDA法は,個々のデータセットに対して高いパフォーマンスを達成している。 周波数領域適応 (FDA) を, 周波数領域の変動をモデル化するための基本戦略として導入する。
  論文  参考訳（メタデータ） (2026-04-02T06:24:06Z)
• EchoLVFM: One-Step Video Generation via Latent Flow Matching for Echocardiogram Synthesis [1.703077957571322]
  本稿では,1段階の遅延ビデオフローマッチングフレームワークであるEchoLVFMを紹介する。 潜時空間で動作するEchoLVFMは、時間的にコヒーレントなビデオを単一の推論ステップで合成する。 その結果、競争力のあるビデオ品質、強いEFの定着、および専門医による57.9%の識別精度が示された。
  論文  参考訳（メタデータ） (2026-03-14T14:39:09Z)
• Comparative Analysis of Data Augmentation for Clinical ECG Classification with STAR [0.0]
  正弦波時間振幅サンプリング(Sinusoidal Time-Amplitude Resampling, STAR)は、連続するRピーク間で厳密に動作するビートワイド増幅である。 STARは実践的なパイプラインのために設計されており、 (i) ピークや間隔を損なうことなくトレーニングの多様性を拡大するモルフォロジー-忠実な変動、 (ii) ソースレジリエンスなトレーニング、 デバイス、サイト、コホート間の安定性をデータセット固有のチューニングなしで改善する、 (iv) ビートレベルの拡張によるレアクラスの学習の改善。
  論文  参考訳（メタデータ） (2025-10-15T14:18:03Z)
• Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation [85.58520120011269]
  本研究では,具体的スコアを用いてスコアマッチングを離散グラフに拡張するComposable Score-based Graph Diffusion Model (CSGD)を提案する。 CSGDは従来の手法よりも平均15.3%の制御性向上を実現していることを示す。 本研究は, 離散グラフ生成におけるスコアベースモデリングの実用的利点と, フレキシブルでマルチプロパタイトな分子設計のためのキャパシティを強調した。
  論文  参考訳（メタデータ） (2025-09-11T13:37:56Z)
• Subtyping Breast Lesions via Generative Augmentation based Long-tailed Recognition in Ultrasound [8.410718166932798]
  本稿では,高忠実度データ合成による分布バイアスを緩和する長鎖分類のためのフレームワークを提案する。 提案手法は,最先端手法と比較して有望な性能を実現する。
  論文  参考訳（メタデータ） (2025-07-30T10:50:41Z)
• Domain Adaptive Diabetic Retinopathy Grading with Model Absence and Flowing Data [45.75724873443564]
  ドメインシフトは、糖尿病網膜症などの臨床応用において重要な課題である。 本稿では,データ中心の観点から適応可能なGUES(Generative Unadversarial Examples)を提案する。
  論文  参考訳（メタデータ） (2024-12-02T07:14:25Z)

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。