論文の概要: Few-Shot Prototype Head Adaptation for On-Device ECG Personalization on PSoC~6
- arxiv url: http://arxiv.org/abs/2610.06241v1
- Date: Mon, 05 Oct 2026 12:42:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 17:30:20.848458
- Title: Few-Shot Prototype Head Adaptation for On-Device ECG Personalization on PSoC~6
- Title（参考訳）: PSoC~6上のオンデバイスECGパーソナライズのためのFew-Shotプロトタイプヘッド適応
- Abstract要約: 本報告では,TinyML ECGシステム用の小型パーソナライズプリミティブとして,プロトタイプのみの頭部適応を提案する。
1次元畳み込みニューラルネットワークは、患者間プロトコルの下でMIT-BI Arrhythmia Database上でオフラインでトレーニングされ、特徴抽出器として凍結され、PSoC 6マイクロコントローラにエクスポートされる。
患者固有の適応は、32次元の埋め込み空間における閉形式クラス平均を計算し、畳み込みの後方通過を必要とせず、反復最適化を必要とせず、サポートビート毎に1つのフォワードパスしか必要としない。
- 参考スコア（独自算出の注目度）: 0.04845974390921446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wearable and bedside electrocardiogram (ECG) monitors must adapt to patient-specific morphology to maintain arrhythmia detection accuracy across users, yet personalization is typically performed offline and cannot account for individual physiology, electrode placement, or recording drift. On-device adaptation by backpropagation is expensive for microcontroller-class medical devices because it requires an optimizer state, repeated backward passes through convolutional layers, and labeled arrhythmic beats that may not be available at deployment time. This letter proposes prototype-only head adaptation as a compact personalization primitive for TinyML ECG systems. A one-dimensional convolutional neural network (1-D CNN; 1,314 parameters and 72.6k multiply-accumulate operations per beat) is trained offline on the MIT-BIH Arrhythmia Database under an inter-patient protocol, frozen as a feature extractor, and exported to a PSoC 6 microcontroller. Patient-specific adaptation then reduces to computing closed-form class means in a 32-dimensional embedding space, requiring no convolutional backward pass, no iterative optimization, and only one forward pass per support beat. Prototype adaptation improves inter-patient macro-F1 from 0.635/0.639/0.646 to 0.731/0.771/0.797 at 1/5/10-shot, outperforming linear stochastic-gradient-descent (SGD) head fine-tuning at every shot count for the target tiny backbone. On-device replay over 18 one-shot episodes on a PSoC 6 Cortex-M4F matches the host macro-F1 for the prototype head (0.798), with 11.39 ms per beat, 5.2 KB flash, and 22.2 KB SRAM. A restricted variant that updates only the normal-class prototype from passively buffered sinus beats yields a consistent +0.05 macro-F1 gain, reducing the annotation burden during initial
- Abstract（参考訳）: ウェアラブルおよびベッドサイド心電図(ECG)モニターは、患者の不整脈検出精度を維持するために患者固有の形態に適応しなければならないが、個人化は通常オフラインで行われ、個々の生理学、電極配置、記録ドリフトを考慮できない。
バックプロパゲーションによるオンデバイス適応は、マイクロコントローラクラスの医療機器には高価である。
本報告では,TinyML ECGシステム用の小型パーソナライズプリミティブとして,プロトタイプのみの頭部適応を提案する。
1次元畳み込みニューラルネットワーク(1-D CNN; 1,314パラメータ、72.6k乗算演算)は、患者間プロトコルの下でMIT-BIH Arrhythmia Database上でオフラインでトレーニングされ、特徴抽出器として凍結され、PSoC6マイクロコントローラにエクスポートされる。
患者固有の適応は、32次元の埋め込み空間における閉形式クラス平均を計算し、畳み込みの後方通過を必要とせず、反復最適化を必要とせず、サポートビート毎に1つのフォワードパスしか必要としない。
プロトタイプ適応は、患者間マクロF1を0.635/0.639/0.646から0.731/0.771/0.797に1/5/10ショットで改善し、標的の小さな背骨のショットカウントごとに、線形確率勾配(SGD)ヘッドを微調整する。
PSoC 6 Cortex-M4Fでの18回以上のワンショットのリプレイは、プロトタイプヘッド(0.798)のホストマクロF1と一致し、11.39ミリ秒毎のビート、5.2KBのフラッシュ、22.2KBのSRAMである。
通常のプロトタイプのみをパッシブバッファリングした正弦波ビートから更新する制限付き変種は、一貫性のある+0.05マクロF1ゲインをもたらし、初期におけるアノテーションの負担を軽減します。
関連論文リスト
- QuPID: Quantum Parameter-Efficient Input-Dependent Retrieval Adaptation for Medical RAG [43.163742253145635]
QuPIDは、量子パラメータ効率の入力依存型検索適応である。
凍結した画像の特徴を限られたデータでローカルアーカイブに適応させる。
凍った医療エンコーダよりも、ChestX-ray14とmuraでAT-5(P@5)の精度が高い。
論文 参考訳（メタデータ） (2026-09-27T08:22:58Z) - FORGE: Forward-Only Test-Time Adaptation for Integer-Only Vision Models on Microcontrollers [0.3499870393443268]
本稿では, BN-folded, integer-only convolutional network で動作するフォワードオンリーテスト時適応 (TTA) 手法を提案する。
我々は, ESP32-S3マイクロコントローラ上で, ビットエクサクト int8 の畳み込み実行と展開を検証した。
論文 参考訳（メタデータ） (2026-09-01T13:59:28Z) - Beat-Synchronous Tokenization for ECG Transformers [0.7699714865575188]
トランスフォーマーベースの心電図(ECG)モデルは、一般的に波形を固定時間パッチにトークン化する。
本研究では, ビート同期トークン化を生理的根拠のある代替手段として検討した。
論文 参考訳（メタデータ） (2026-08-31T07:25:12Z) - HARP: Hadamard-Preconditioned Adaptive Rotation Processor for Extreme LLM Quantization [48.87937677659571]
本稿では, HARP (Hadamard-preconditioned Adaptive Rotation Processor) を導入する。
1Bから70Bまでのモデルの2-4ビット設定では、HARPは固定RHTよりもパープレキシティとゼロショット精度を改善している。
HarPはデプロイ効率を保ち、FP16では128トン/秒、61トン/秒に達する。
論文 参考訳（メタデータ） (2026-05-28T12:24:15Z) - SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
仮想セル摂動予測のための大規模基盤モデルを提案する。
まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。
第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。
第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
論文 参考訳（メタデータ） (2026-03-18T05:51:08Z) - Surgical Repair of Collapsed Attention Heads in ALiBi Transformers [0.0]
変換言語モデルのBLOOMファミリーにおいて,系統的な注意崩壊病理を同定する。
ALiBiの位置エンコーディングは31-44%のアテンションヘッドを、ほぼ完全にシーケンス開始トークンに出席させる。
ゼロ出力プロジェクションを用いた標的Q/K/V再初期化について検討した。
論文 参考訳（メタデータ） (2026-03-10T12:57:49Z) - Benchmarking IoT Time-Series AD with Event-Level Augmentations [34.864214444544565]
実世界の問題をシミュレートする統合されたイベントレベル拡張による評価プロトコルを提案する。
5つの公開異常データセット上で14の代表的なモデルを評価する。
論文 参考訳（メタデータ） (2026-02-17T09:45:44Z) - U-Mamba2-SSL for Semi-Supervised Tooth and Pulp Segmentation in CBCT [44.3806898357896]
U-Mamba2-SSLは,U-Mamba2モデル上に構築され,多段階の学習戦略を用いる,新しい半教師付き学習フレームワークである。
U-Mamba2-SSLは平均スコア0.789、DSC0.917を隠しテストセットで達成し、STSR 2025のタスク1で1位となった。
論文 参考訳（メタデータ） (2025-09-24T14:19:33Z) - Branched Latent Neural Maps [0.0]
分岐潜在ニューラルネットワーク(BLNMs)は、複雑な物理過程をコードする有限次元の入出力マップを学習する。
BLNMは、小さなトレーニングデータセットと1つのプロセッサでの短いトレーニング時間で優れた一般化特性を示す。
オンラインフェーズでは、BLNMは単一のコアコンピュータ上での心臓電気生理学のリアルタイムシミュレーションを5000倍高速に行うことができる。
論文 参考訳（メタデータ） (2023-08-04T04:04:58Z) - Wheelchair automation by a hybrid BCI system using SSVEP and eye blinks [1.1099588962062936]
プロトタイプは、定常的に視覚的に誘発される電位と眼の点滅の複合メカニズムに基づいている。
プロトタイプは、ユーザを不快にさせることなく、家庭環境で効率的に使用することができる。
論文 参考訳（メタデータ） (2021-06-10T08:02:31Z)
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。