論文の概要: WIPSNet: Deep Learning for Paediatric Wheeze Detection from Overnight Impedance Pneumography

• arxiv url: http://arxiv.org/abs/2610.00398v1
• Date: Wed, 30 Sep 2026 11:58:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.633751
• Title: WIPSNet: Deep Learning for Paediatric Wheeze Detection from Overnight Impedance Pneumography
• Title（参考訳）: WIPSNet:夜間インピーダンス心電図による小児Wheeze検出のためのディープラーニング
• Abstract要約: WIPSNetは連続ウェーブレット変換を重畳した3次元ResNetである。 演奏のピークは、32分間の時間的文脈に対応する体積深度である。 これらの結果は、3次元畳み込み構造と組み合わせた構造化時間周波数表現が、長い不規則な生理的時系列から学習するための効果的なアプローチであることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Overnight impedance pneumography (IP) is used to monitor paediatric respiratory health. Its current clinical readout, the Expiratory Variability Index (EVI), compresses each IP recording into a single scalar and achieves an AUC of 0.633 for night-level wheeze classification. We introduce Wheeze Impedance Pneumography Scalogram Network (WIPSNet), a 3D ResNet operating on stacked continuous wavelet transform scalograms of overnight IP signals. On a 15-patient cohort (60 nights, 281 hours), WIPSNet achieves an AUC of $0.783 \pm 0.026$, outperforming EVI, a state-space model (Mamba), and two modern sleep-staging architectures. Performance peaks at a volumetric depth corresponding to 32 minutes of temporal context, suggesting that multi-scale temporal aggregation is important for modelling nocturnal respiratory dynamics. Overall, these results indicate that structured time-frequency representations combined with 3D convolutional architectures provide an effective approach for learning from long, irregular physiological time series.
• Abstract（参考訳）: 小児の呼吸の健康状態を監視するため,夜間インピーダンス肺炎検査(IP)が用いられる。 現在の臨床読み出しであるEVI(Experiatory Variability Index)は、各IP記録を1つのスカラーに圧縮し、夜間の捕鯨分類のためのAUCが0.633に達する。 本稿では,Wheeze Impedance Pneumography Scalogram Network (WIPSNet)を紹介した。 15人の患者コホート(60夜281時間)で、WIPSNetは0.783 \pm 0.026$のAUCを達成し、EVI、状態空間モデル(Mamba)および2つのモダンな睡眠安定アーキテクチャを上回りました。 夜間呼吸動態をモデル化するためには,32分間の時間的文脈に対応する体積深度での性能ピークが重要であることが示唆された。 これらの結果は,3次元畳み込み構造と組み合わせた構造化時間周波数表現が,長く不規則な生理的時系列から学習するための効果的なアプローチであることを示唆している。

関連論文リスト

• Physics-Informed Deep Learning for False Ventricular Tachycardia Alarm Reduction in the ICU [44.313512671851306]
  軽度心室頻拍(VT)アラームは集中治療単位のアラーム疲労の原因となる。 本稿では,1D SE-ResNetと ICU-realistic Data Augmentation を組み合わせたディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-08T16:33:07Z)
• Programmable Silicon Retina on Pixel Processor Array [42.80978894922492]
  SCAMP-5 Pixel Processor Array上で,マルチステージシリコン網膜モデルの最初の実装について述べる。 我々は,映像強度再構成と映像塩分率予測におけるモデルの性能評価を行った。 結果は、シリコン網膜の「情報蒸留」機構が下流のニューラルネットワークをより効率的に表現できることを示唆している。
  論文  参考訳（メタデータ） (2026-06-06T23:10:48Z)
• Cross-View Attention Fusion Net: A Prior-Guided Dual-View Representation Learning for Cardiac Output Estimation from Short-Term PPG Signals [4.906669147334531]
  CVAF-Net (Cross-View Fusion Network) は、短い長さのPSGセグメントからCO推定を行うための、事前誘導されたデュアルビュー深層学習モデルである。 CVAF-Netは、生PSGを時間ビューとして、特徴系列マップ(FSM)を構造化された事前誘導ビューとして処理し、2つの表現をクロスビューアテンションを通じて融合する。
  論文  参考訳（メタデータ） (2026-05-19T10:59:49Z)
• CT Scans As Video: Efficient Intracranial Hemorrhage Detection Using Multi-Object Tracking [0.9332987715848716]
  本稿では,2次元検出の効率と3次元コンテキストの必要性を両立させる軽量コンピュータビジョンフレームワークを開発する。 計算コストのごく一部で3Dコンテキスト推論を近似することにより,リアルタイム患者優先化のためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2026-01-05T19:49:51Z)
• CoReEcho: Continuous Representation Learning for 2D+time Echocardiography Analysis [42.810247034149214]
  直接EF回帰に適した連続表現を強調する新しいトレーニングフレームワークであるCoReEchoを提案する。 CoReEcho: 1) 最大の心エコー画像データセット(EchoNet-Dynamic)上で現在最先端のSOTA(State-of-the-art)を、82.44の3.90&R2のMAEで上回り、2) 関連する下流タスクにおいてより効果的に転送する堅牢で一般化可能な機能を提供する。
  論文  参考訳（メタデータ） (2024-03-15T10:18:06Z)
• Severity classification of ground-glass opacity via 2-D convolutional neural network and lung CT scans: a 3-day exploration [0.0]
  グラウンドグラスの不透明度は、COVID-19や肺炎、肺線維症、結核など、多くの肺疾患の指標である。 本稿では,3日間にわたって実施,テストされた概念実証フレームワークについて,第3の課題である「COVID-19コンペティション」による実験的結果を示す。 課題の要件の一部として、このエクササイズ中に生成されたソースコードはhttps://github.com/lisatwyw/cov19.comに投稿されている。
  論文  参考訳（メタデータ） (2023-03-23T22:35:37Z)
• Multiscale Spatio-Temporal Graph Neural Networks for 3D Skeleton-Based Motion Prediction [92.16318571149553]
  本稿では,次世代の3次元骨格型人間のポーズを予測するため,マルチスケール・テンポラルグラフニューラルネットワーク(MST-GNN)を提案する。 MST-GNNは、短期および長期の動作予測において最先端の手法より優れている。
  論文  参考訳（メタデータ） (2021-08-25T14:05:37Z)
• Multi-Temporal Convolutions for Human Action Recognition in Videos [83.43682368129072]
  複数の解像度で抽出できる新しい時間・時間的畳み込みブロックを提案する。 提案するブロックは軽量で,任意の3D-CNNアーキテクチャに統合可能である。
  論文  参考訳（メタデータ） (2020-11-08T10:40:26Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)
• Fast meningioma segmentation in T1-weighted MRI volumes using a lightweight 3D deep learning architecture [0.19573380763700712]
  多数の手術治療を行った髄膜腫と未治療の髄膜腫を用いて, セグメンテーションと処理速度を最適化した。 i)U-Netに似た単純なエンコーダデコーダ,(ii)軽量マルチスケールアーキテクチャ(PLS-Net)の2つの異なる3Dニューラルネットワークアーキテクチャについて検討した。 モデルは,検出精度,セグメンテーション精度,トレーニング/推論速度の観点から評価した。
  論文  参考訳（メタデータ） (2020-10-14T12:26:53Z)

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。