論文の概要: SemPSG: A Semantic Channel-Aware Foundation Model for Polysomnography Analysis

• arxiv url: http://arxiv.org/abs/2609.36619v1
• Date: Tue, 29 Sep 2026 03:31:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 04:28:51.335952
• Title: SemPSG: A Semantic Channel-Aware Foundation Model for Polysomnography Analysis
• Title（参考訳）: SemPSG:ポリソノグラフィー解析のためのセマンティックチャネル認識基盤モデル
• Abstract要約: ポリソムノグラフィー(PSG)は、複数の生理的シグナルを統合し、人間の睡眠の包括的特徴を提供する。 異種PSG解析のためのセマンティックチャネル認識基盤モデルSemPSGを提案する。 睡眠時,睡眠時呼吸分析,疾患予測,認知・感情認識,人口統計など,睡眠時および健康関連タスクにおけるSemPSGの評価を行った。
• 参考スコア（独自算出の注目度）: 35.070339641537664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polysomnography (PSG) integrates multiple physiological signals to provide a comprehensive characterization of human sleep, yet its heterogeneous channel configurations across centers pose substantial challenges for transferable representation learning. Existing foundation models mainly focus on physiological modeling or temporal learning, while channel identity is often treated as a fixed structural index, overlooking the physiological semantics encoded by signal modality and reference configuration. To this end, we propose SemPSG, a Semantic channel-aware foundation model for heterogeneous PSG analysis. SemPSG explicitly represents the physiological semantics of channel identity and incorporates them into both signal representation learning and channel aggregation, enabling flexible modeling across diverse data configurations. Specifically, a semantic-conditioned time-series encoder captures signal-specific temporal dynamics and cross-signal interactions, while a multi-view image encoder extracts complementary time-frequency and morphological patterns from the same physiological recordings. We evaluate SemPSG on sleep and health-related tasks, including sleep staging, sleep-disorder breathing analysis, disease prediction, cognition and emotion recognition, and demographic estimation. Extensive experiments demonstrate consistent improvements over both general-purpose time series foundation models and PSG-specific foundation models, together with generalization across heterogeneous datasets across diverse channel configurations.
• Abstract（参考訳）: ポリソムノグラフィー(PSG)は、複数の生理的シグナルを統合して、人間の睡眠の包括的特徴を提供するが、その異種チャネル構成は、伝達可能な表現学習に重大な課題をもたらす。 既存の基礎モデルは、主に生理モデルや時間学習に焦点をあてるが、チャネルアイデンティティは、信号のモダリティと参照構成によって符号化された生理的意味論を見越して、固定された構造指標として扱われることが多い。 そこで本研究では,セマンティックチャネル認識基盤モデルであるSemPSGを提案する。 SemPSGは、チャネルアイデンティティの生理的意味を明示的に表現し、それらを信号表現学習とチャネルアグリゲーションの両方に組み込んで、多様なデータ構成の柔軟なモデリングを可能にする。 具体的には、意味条件付き時系列エンコーダは、信号固有の時間的ダイナミクスと信号間相互作用をキャプチャし、マルチビュー画像エンコーダは、同じ生理的記録から相補的な時間周波数および形態的パターンを抽出する。 睡眠時, 睡眠時呼吸分析, 疾患予測, 認知と感情認識, 人口統計など, 睡眠時および健康関連課題におけるSemPSGの評価を行った。 広範な実験は、汎用時系列基礎モデルとPSG固有の基礎モデルの両方に対して一貫した改善を示し、多様なチャネル構成にわたる異種データセットをまたいだ一般化を示す。

関連論文リスト

• Topological Signatures of Grokking [5.246889031503699]
  トポロジーのレンズを通してグラッキング現象を研究する。 永続ホモロジーは、表現学習の統一的幾何学的および位相的特徴を与える。 この結果から、持続的ホモロジーは、トレーニング中にニューラルネットワークが潜在構造をどのように分析するかを、原則的かつ解釈可能なフレームワークとして提供することが示唆された。
  論文  参考訳（メタデータ） (2026-05-07T14:33:22Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• Controllable diffusion-based generation for multi-channel biological data [66.44042377817074]
  本研究では, 構造的および空間的生物学的データに対する制御可能生成のための統合拡散フレームワークを提案する。 空間的および非空間的予測タスクにまたがって,IMCにおけるタンパク質のインパルス化や単一セルデータセットにおける遺伝子対タンパク質の予測など,最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-06-24T00:56:21Z)
• 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)
• Towards Robust Multimodal Physiological Foundation Models: Handling Arbitrary Missing Modalities [9.785262633953794]
  生理オムニ (Phylo Omni) は、マルチモーダルな生理的信号解析の基礎モデルである。 分離されたマルチモーダル・トークンーザを訓練し、マスクされた信号の事前訓練を可能にする。 最先端のパフォーマンスを達成しつつ、モダリティの欠如に対して強い堅牢性を維持します。
  論文  参考訳（メタデータ） (2025-04-28T09:00:04Z)
• PSG-MAE: Robust Multitask Sleep Event Monitoring using Multichannel PSG Reconstruction and Inter-channel Contrastive Learning [16.002946830438766]
  ポリソムノグラフィー(PSG)信号は睡眠過程の研究や睡眠障害の診断に不可欠である。 マスクオートエンコーダを用いた事前学習フレームワークPSG-MAEを提案する。 また,PSG-MAEは,PSG信号から時間的詳細情報とチャネル間情報の両方を効果的にキャプチャすることを示した。
  論文  参考訳（メタデータ） (2025-04-17T13:43:16Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)

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。