論文の概要: PPG-LM: A Photoplethysmography-Language Model with Multi-Level Clinical Alignment

• arxiv url: http://arxiv.org/abs/2609.33516v1
• Date: Sun, 27 Sep 2026 12:38:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:09:22.914509
• Title: PPG-LM: A Photoplethysmography-Language Model with Multi-Level Clinical Alignment
• Title（参考訳）: PPG-LM : 多層臨床適応を用いた光胸腔鏡下手術モデル
• Abstract要約: Photoplethysmography (Photoplethysmography)は、臨床モニターや消費者向けウェアラブルによって広く記録されている。 PPG-LMは,ERHで捉えた信号由来の監督とより広い臨床状況から生理的表現を学習する最初のPPG言語モデルファミリーである。
• 参考スコア（独自算出の注目度）: 53.74326467982444
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoplethysmography (PPG) is widely recorded by clinical monitors and consumer wearables, providing a scalable source of continuous physiological information. These recordings offer an opportunity for physiological assessment at scale, but realizing this potential requires models to learn from both signal-derived physiological supervision and broader clinical context captured in electronic health records (EHRs). This involves aligning information spanning local observations, care events, and entire visits with PPG representations at corresponding temporal scales. However, existing PPG foundation models primarily rely on task-specific prediction heads, while the medical knowledge of large language models does not necessarily translate into waveform understanding. To bridge this gap, we introduce PPG-LM, the first PPG-language model family to learn physiological representations from both signal-derived supervision and broader clinical context captured in EHRs. To construct clinically grounded captions, we develop an automatic captioning pipeline that generates segment-, event-, and visit-level descriptions from signal measurements and structured EHR records. We then learn from these pairs through a two-stage framework that first establishes segment-language correspondence through contrastive learning and waveform-conditioned captioning, then extends alignment to events and visits through time-aware aggregation and temporal statement matching. Pretrained on approximately 73k hours of PPG, PPG-LM supports language-based recognition, cross-modal retrieval, and segment captioning. Experiments on MC-MED, MIMIC-III, and VitalDB show improved retrieval and caption factuality over language-model baselines and gains over PPG and time-series foundation models on multiple clinical prediction tasks.
• Abstract（参考訳）: Photoplethysmography (PPG)は、臨床モニターや消費者向けウェアラブルによって広く記録されており、継続的な生理情報のスケーラブルなソースを提供する。 これらの記録は、大規模に生理的評価を行う機会を提供するが、この可能性を実現するには、信号由来の生理的監督と、電子健康記録(EHR)で捉えたより広い臨床状況の両方から学ぶモデルが必要である。 これは、局所的な観察、ケアイベント、訪問全体にわたる情報を、対応する時間スケールでPSG表現と整合させることを含む。 しかし、既存のPSG基盤モデルはタスク固有の予測ヘッドに依存しているが、大きな言語モデルの医学的知識は必ずしも波形理解に変換されない。 このギャップを埋めるために,ERHで捉えた信号由来の監督とより広い臨床コンテキストから生理的表現を学ぶ最初のPGG言語モデルファミリーであるPG-LMを紹介した。 そこで我々は,信号計測と構造化EHR記録からセグメント,イベント,ビジターレベルの記述を生成する自動キャプションパイプラインを構築した。 次に、これらのペアから2段階のフレームワークを通じて学習し、まず、コントラスト学習と波形条件付きキャプションを通してセグメント言語対応を確立し、その後、時間認識の集約と時間的ステートメントマッチングを通じてイベントや訪問へのアライメントを拡張します。 約73k時間 PPG で事前訓練された PPG-LM は、言語ベースの認識、クロスモーダル検索、セグメントキャプションをサポートする。 MC-MED,MIMIC-III,VitalDBを用いた実験では,言語モデルベースラインよりも検索とキャプションの事実性が向上し,複数の臨床予測タスクにおいてPSGおよび時系列基盤モデルよりも向上した。

関連論文リスト

• Concept-Grounded Reasoning with Prompt-Driven Localization for Interpretable Structured Report Generation [66.62662330558906]
  CORALは、空間的接地と概念レベルの監督を統一的な推論プロセスに統合するマルチモーダルフレームワークである。 コーラルは、疾患の局所化とコンセプション・ボトルネックモジュールによる多クラス臨床属性の予測のために、プロンプト駆動型医療セグメンテーションモデルを採用している。 BUS-CoTとIU X線データセットの実験では、診断精度、概念整合性、報告品質が強力な汎用および医療MLLMよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-09-14T10:21:23Z)
• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• GRAIL: Geometry-Aware Retrieval-Augmented Inference with LLMs over Hyperbolic Representations of Patient Trajectories [7.2159153945746795]
  本研究では,来院者による来院者の臨床イベントの予測を目的とした,来院者の来院状況の予測について検討する。 構造化幾何表現と構造認識検索を用いた縦型EHRをモデル化するフレームワークであるGRAILを提案する。 MIMIC-IVの実験により、GRAILはマルチタイプの次世代予測を一貫して改善し、より階層一貫性のある予測が得られることが示された。
  論文  参考訳（メタデータ） (2026-02-13T11:30:37Z)
• PulseLM: A Foundation Dataset and Benchmark for PPG-Text Learning [22.000303329807462]
  Photoplethysmographyは、連続した心血管および生理的モニタリングに広く用いられている非侵襲的なセンシングモダリティである。 既存のPSGデータセットは、数値測定やタスク固有のラベルの形で監督する。 我々はPulseLMを紹介した。PulseLMは生のPPG波形と自然言語をブリッジするために設計された大規模PPGテキストデータセットである。
  論文  参考訳（メタデータ） (2026-02-10T18:46:03Z)
• Refine Medical Diagnosis Using Generation Augmented Retrieval and Clinical Practice Guidelines [16.56254046507092]
  GARMLE-Gは、医療用言語モデルの出力を権威的ガイドラインに根拠づけた、世代別検索フレームワークである。 従来のRetrieval-Augmented Generationベースのアプローチとは異なり、GARMLE-Gは権威的なガイドラインコンテンツを直接検索することで幻覚のない出力を可能にする。 高血圧診断のためのプロトタイプシステムを開発し, 検索精度, 意味的関連性, 臨床ガイドラインの適合性を実証した。
  論文  参考訳（メタデータ） (2025-06-22T11:31:13Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• Temporal Entailment Pretraining for Clinical Language Models over EHR Data [9.584923572354045]
  臨床領域における言語モデルのための新しい時間的包含事前学習目標を提案する。 本手法は, EHRセグメントを時間的に順序付けられた文対として定式化し, 後の状態が先行状態に関係しているか, 矛盾しているか, 中立であるかを決定するようモデルを訓練する。
  論文  参考訳（メタデータ） (2025-04-25T07:30:38Z)
• MeDSLIP: Medical Dual-Stream Language-Image Pre-training with Pathology-Anatomy Semantic Alignment [8.782864744252423]
  本稿では,医療用デュアルストリーム言語-画像事前学習パイプラインであるMeDSLIPを提案する。 MeDSLIPは、病理学と解剖学的意味論を分離し、それらの関係をモデル化する。 胸部X線分析にMeDSLIPを適用し、4つのベンチマークデータセットを用いて包括的評価を行う。
  論文  参考訳（メタデータ） (2024-03-15T19:03:29Z)
• Customizing General-Purpose Foundation Models for Medical Report Generation [64.31265734687182]
  ラベル付き医用画像-レポートペアの不足は、ディープニューラルネットワークや大規模ニューラルネットワークの開発において大きな課題となっている。 本稿では,コンピュータビジョンと自然言語処理の基盤モデル (FM) として,市販の汎用大規模事前学習モデルのカスタマイズを提案する。
  論文  参考訳（メタデータ） (2023-06-09T03:02:36Z)
• BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
  本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。 エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。 実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
  論文  参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。