論文の概要: Interaction-Gated Time-Frequency Learning for Parameter-Efficient PPG-Based Heart Rate Estimation

• arxiv url: http://arxiv.org/abs/2610.28693v1
• Date: Tue, 20 Oct 2026 09:10:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.102051
• Title: Interaction-Gated Time-Frequency Learning for Parameter-Efficient PPG-Based Heart Rate Estimation
• Title（参考訳）: パラメータ効率PPGに基づく心拍数推定のための対話型時間周波数学習
• Abstract要約: Photoplethysmographyは、低コストで非侵襲的な心拍数モニタリングを可能にする。 時間波形特性と周波数領域周期性は、HR推定に相補的な情報を提供する。 本稿では,PPGに基づくHR推定のためのパラメータ効率な対話型時間周波数学習フレームワークTF-IGを提案する。
• 参考スコア（独自算出の注目度）: 0.32798785401411185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoplethysmography (PPG) enables low-cost and non-invasive heart rate (HR) monitoring but remains sensitive to waveform distortion, physiological variability, and measurement interference. Temporal waveform characteristics and frequency-domain periodicity provide complementary information for HR estimation; however, effectively exploring and integrating these representations within a compact model remains challenging. This paper proposes TF-IG, a parameter-efficient interaction-gated time-frequency learning framework for PPG-based HR estimation. TF-IG employs a dual-branch architecture in which a temporal branch captures pulse morphology via dilated depthwise-separable convolutions, while a frequency branch extracts cardiac periodicity information from bounded log-spectrogram representations. To combine the two domains, we introduce an interaction-gated fusion module that explicitly models feature agreement and discrepancy, while also learning feature-wise weights to balance temporal and spectral information. A parameter-shared regression head further maps the temporal, spectral, and fused representations into the final HR prediction space. Experiments on the benchmark BIDMC PPG and Respiration Dataset using a subject-exclusive training, validation, and test protocol show that TF-IG achieves a mean absolute error (MAE) of 1.227 BPM, a root mean square error (RMSE) of 2.060 BPM, a Pearson correlation coefficient of 0.9934, and 92.28 percent of estimates within 3 BPM, while remaining parameter-efficient with only 84.6K parameters. Ablation results further demonstrate the complementary contributions of the temporal and frequency branches, interaction-gated fusion, and shared regression head. These results indicate that explicitly modeling cross-domain interactions provides an effective accuracy-complexity trade-off for lightweight PPG-based HR estimation.
• Abstract（参考訳）: 光胸腺造影(PPG)は、低コストで非侵襲的な心拍数モニタリングを可能にするが、波形歪み、生理学的変動、測定干渉に敏感である。 時間波形特性と周波数領域周期性はHR推定に相補的な情報を提供するが、これらの表現をコンパクトモデルに効果的に探索・統合することは困難である。 本稿では,PPGに基づくHR推定のためのパラメータ効率な対話型時間周波数学習フレームワークTF-IGを提案する。 TF-IGは、時間枝が拡張された深さ方向の分離可能な畳み込みによってパルス形態をキャプチャし、周波数枝は有界な対数スペクトル表現から心臓周期情報を抽出するデュアルブランチアーキテクチャを採用している。 この2つのドメインを組み合わせるために,特徴の一致と相違を明示的にモデル化する対話ゲート融合モジュールを導入するとともに,時間的およびスペクトル的情報のバランスをとるための特徴量について学習する。 パラメータ共有回帰ヘッドは、時間、スペクトル、融合表現をさらに最終的なHR予測空間にマッピングする。 BIDMC PPG と Respiration Dataset のベンチマーク実験では、TF-IG が 1.227 BPM の平均絶対誤差 (MAE)、2.060 BPM のルート平均二乗誤差 (RMSE)、パーソン相関係数 0.9934 および 92.28 の 3 BPM 内における推定値の92.8% を達成し、パラメータ効率は 84.6K のパラメータしか残っていない。 アブレーションの結果はさらに、時間および周波数分岐、相互作用ゲート融合、共有回帰ヘッドの相補的寄与を示す。 これらの結果は、ドメイン間相互作用を明示的にモデル化することで、軽量PPGに基づくHR推定に有効な精度・複雑さトレードオフが得られることを示している。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Single-Beat Cuffless Blood Pressure Estimation Using Ear-PPG and ECG with a Lightweight Hybrid Learning Framework [0.7015649288674913]
  連続カフレス血圧モニタリング(BP)は、運動人工物、生理的変動性、および従来のパルス遷移時間(PTT)モデルの動的条件下でのロバスト性に制限があるため、困難である。 本稿では、BP関連情報を単拍レベルで保存し、連続BP推定のための軽量なマルチモーダルウェアラブルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-29T16:00:39Z)
• TimeLAVA: Learning-Agnostic Data Valuation for Time Series [48.76711740818533]
  TimeLAVAは、評価データと参照データの間の分布差を最小限に抑えるために、時間セグメントを限界貢献によって評価する学習非依存のフレームワークである。 モデルに依存しない一般化にバリュエーションをリンクする理論的保証を提供し、汚染に対する有界感度を証明する。
  論文  参考訳（メタデータ） (2026-06-17T06:16:16Z)
• 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)
• Joint Treatment Effect Estimation from Incomplete Healthcare Data: Temporal Causal Normalizing Flows with LLM-driven Evolutionary MNAR Imputation [0.0]
  不完全長手EHRによる治療効果推定のための2段階パイプラインを提案する。 CaulFlow-Tは、長期記憶(LSTM)を符号化した患者履歴を持つ、DAGに制約された正規化フローである。 CaulFlow-Tは、正確な非可逆逆推論を行い、変分推論からの近似誤差を回避し、明示的な因果構造を通して共起を分離する。
  論文  参考訳（メタデータ） (2026-05-06T16:53:08Z)
• Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
  本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。 雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。 適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
  論文  参考訳（メタデータ） (2026-05-04T15:42:58Z)
• TAU: Modeling Temporal Consistency Through Temporal Attentive U-Net for PPG Peak Detection [1.9518933807303265]
  Photoplethysmography (PPG)センサーは、心拍数(HR)と心拍変動(HRV)を監視する消費者向けウェアラブルデバイスで広く使われている。 流行にもかかわらず、PSG信号は日々の活動によって引き起こされる運動人工物によって汚染される。 PPG信号からピークを正確に検出するために,TAU(Temporal Attentive U-Net)を提案する。
  論文  参考訳（メタデータ） (2025-03-13T14:45:08Z)
• Semiparametric inference for impulse response functions using double/debiased machine learning [49.1574468325115]
  本稿では,インパルス応答関数(IRF)に対する機械学習推定手法を提案する。 提案した推定器は、処理と結果変数の完全な非パラメトリック関係に依存することができ、柔軟な機械学習アプローチを用いてIRFを推定することができる。
  論文  参考訳（メタデータ） (2024-11-15T07:42:02Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Non-contact PPG Signal and Heart Rate Estimation with Multi-hierarchical Convolutional Network [12.119293125608976]
  心拍数(HR)は人体の重要な生理的パラメータである。 本研究では,顔ビデオクリップからHRを推定できる,効率的な多階層・畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-06T03:04:27Z)

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。