論文の概要: DR-net-Mamba: Selective State-Space Modeling for Long-Range ECG Time-Series Denoising

• arxiv url: http://arxiv.org/abs/2609.35634v1
• Date: Mon, 28 Sep 2026 17:03:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 20:07:02.332576
• Title: DR-net-Mamba: Selective State-Space Modeling for Long-Range ECG Time-Series Denoising
• Title（参考訳）: DR-net-Mamba:Long-Range ECG Time-Series Denoisingのための選択的な状態空間モデリング
• Abstract要約: 畳み込みボトルネックに選択的な状態空間ブロックを挿入するMamba拡張モデルを提案する。 合成および実データセットでは,本モデルが最も高いSNRと最低のRMSEを達成する。 Mamba はST/T-change の診断を大幅に改善するが、これは広範で文脈に敏感な波形に依存する。
• 参考スコア（独自算出の注目度）: 38.892022779605064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electrocardiogram (ECG) recordings are corrupted by non-stationary noise sources that degrade diagnostic reliability, particularly in ambulatory and long-duration recordings. Deep learning denoisers exist, but convolutional architectures are limited by their receptive field, transformer-based models scale quadratically with sequence length, and diffusion-based approaches incur prohibitive inference cost. We propose a Mamba-augmented model that inserts selective state-space blocks at the convolutional bottleneck, combining local feature extraction with long-range temporal modeling at linear complexity. We comprehensively evaluate the proposed model with respect to reconstruction fidelity, noise robustness, recording-length scaling, and downstream diagnostic classification across over 40 pathology classes. On synthetic and real datasets, our model achieves the highest SNR and lowest RMSE, with the Mamba advantage increasing with sequence length and in low-SNR regimes. On classification with two independent classifiers, the proposed Mamba-based models achieve the best macro AUROC among all denoisers and improve over their convolutional base models. Calibration is more nuanced and classifier-dependent: denoising improves Binary Cross-Entropy and Brier score on Inception1D but often fails to beat the noisy input on ResNet1D-Wang, and the lead-specific Mamba variant is the only denoiser to improve both calibration metrics over the noisy baseline on both classifiers. Per-class analysis reveals a morphology-dependent benefit: Mamba substantially improves ST/T-change diagnoses, which depend on broad, context-sensitive waveforms.
• Abstract（参考訳）: 心電図(ECG)記録は、診断信頼性を低下させる非定常ノイズ源によって破壊される。 ディープラーニングのデノイザは存在するが、畳み込みアーキテクチャは受容場によって制限され、トランスフォーマーベースのモデルはシーケンス長と2次スケールし、拡散ベースのアプローチは禁止推論コストを発生させる。 本稿では,局所特徴抽出と長距離時間モデリングを線形複雑度で組み合わせ,畳み込みボトルネックに選択的状態空間ブロックを挿入するMamba拡張モデルを提案する。 提案手法は,40以上の病理組織にまたがる復元忠実度,ノイズの堅牢性,記録長のスケーリング,下流診断の分類について総合的に評価する。 合成および実データセット上では,このモデルが最も高いSNRと最低のRMSEを達成し,Mambaの優位性はシーケンス長や低SNR体制で増大する。 2つの独立した分類器による分類において、提案されたマンバベースモデルは全てのデノイザーの中で最高のマクロAUROCを達成し、それらの畳み込みベースモデルよりも改善する。 Denoising improves Binary Cross-Entropy and Brier score on Inception1D but often fail to win the noisy input on ResNet1D-Wang, and the lead-specific Mamba variant is the only denoiser to improve both calibration metrics over the noisy baseline on both classifiers。 MambaはST/T-change診断を大幅に改善し、それは広範で文脈に敏感な波形に依存する。

関連論文リスト

• ASSERT: Adaptive Stochastic Sampling for Robust Diffusion Models on Analog Compute-in-Memory Hardware [13.123394042691642]
  拡散モデルは、強い画像生成品質を実現するが、高い反復的 denoising コストをもたらす。 初期高雑音化段階は最終改良段階よりもかなり脆弱であることを示す。 本稿では,早期かつスムーズな復調性を利用したトレーニングサンプルであるASSERTを提案する。
  論文  参考訳（メタデータ） (2026-09-01T09:13:10Z)
• RetiWave-Mamba: A Dual-Stream Network for Retinal Disease Detection based on Multi-scale Context and Frequency-Adaptive Mamba Projection [11.498068680313613]
  本稿では、空間周波数領域学習と最先端状態空間モデルを統合する新しいフレームワークRetiWave-Mambaを提案する。 提案手法は,既存の手法を超越して,最先端(SOTA)分類精度98.25%を実現する。
  論文  参考訳（メタデータ） (2026-08-18T10:38:59Z)
• MedMamba: Multi-View State Space Models with Adaptive Graph Learning for Medical Time Series Classification [60.41879345743941]
  状態空間モデルとドメイン固有の帰納バイアスを統合するエンドツーエンドアーキテクチャであるMedMambaを提案する。 MedMambaは線形計算複雑性を維持しながら最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-24T09:23:39Z)
• ECG-RAMBA: Zero-Shot ECG Generalization by Morphology-Rhythm Disentanglement and Long-Range Modeling [0.6875312133832079]
  ECG-RAMBAは、形態学とリズムを分離し、文脈認識融合を通じてそれらを再統合するフレームワークである。 PTB-XLで一貫したクロスデータセット性能を示す。
  論文  参考訳（メタデータ） (2025-12-29T10:14:52Z)
• A Dual-Mode ViT-Conditioned Diffusion Framework with an Adaptive Conditioning Bridge for Breast Cancer Segmentation [2.8110777003480654]
  乳房超音波検査では,早期診断には精査が不可欠である。 標準的な畳み込みアーキテクチャは、十分にグローバルなコンテキストを捉えるのにしばしば不足する。 拡張UNetベースの生成デコーダと視覚変換器(ViT)エンコーダを組み合わせたフレキシブルで条件付きデノイング拡散モデルを提案する。
  論文  参考訳（メタデータ） (2025-11-08T12:33:18Z)
• Mitigating the Noise Shift for Denoising Generative Models via Noise Awareness Guidance [54.88271057438763]
  ノイズアウェアネスガイダンス (NAG) は、事前に定義された騒音スケジュールと整合性を保つために、サンプリング軌道を明示的に制御する補正手法である。 NAGは一貫してノイズシフトを緩和し、主流拡散モデルの生成品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-10-14T13:31:34Z)
• HiFi-Mamba: Dual-Stream W-Laplacian Enhanced Mamba for High-Fidelity MRI Reconstruction [5.899756063964437]
  High-Fidelity Mamba (HiFi-Mamba)はMRI再構成のための新しいデュアルストリームMambaベースのアーキテクチャである。 HiFi-Mambaは、最先端のCNNベース、Transformerベース、およびその他のMambaベースモデルよりも、再現精度が優れている。
  論文  参考訳（メタデータ） (2025-08-07T10:08:18Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
  拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。 推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。 拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
  論文  参考訳（メタデータ） (2023-10-03T05:05:35Z)

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。