Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

High-Fidelity Synthetic ECG Generation via Mel-Spectrogram Informed Diffusion Training

Created by
  • Haebom

作者

Zhuoyi Huang, Nutan Sahoo, Anamika Kumari, Girish Kumar, Kexuan Cai, Shixing Cao, Yue Kang, Tian Xia, Somya Chatterjee, Nicholas Hausman, Aidan Jay, Eric S. Rosenthal, Soundar Srinivasan, Sadid Hasan, Alex Fedorov, Sula

概要

本論文は、心臓管理のための機械学習の発展を妨げるプライバシー問題を解決するために、患者カスタマイズされた生理学的信号を生成することができる条件付き拡散ベースのStructured State Space Model（SSSD-ECG）を提案する。この目的のために、時間周波数ドメイン監督を使用するMIDT-ECG（Mel-Spectrogram Informed Diffusion Training）と患者固有のカスタム合成のためのマルチモード人口統計学的条件指定を導入しました。 PTB-XLデータセットを介してシグナル忠実度、臨床的一貫性、プライバシー保護、およびダウンストリーム作業の有用性を評価した結果、MIDT-ECGは形態学的一貫性を改善し、プライバシーを強化し、患者のカスタマイズされた合成によってシグナル対ノイズ比とパーソナライゼーション機能を強化しました。

Takeaways、Limitations

•
Takeaways：
◦
MIDT-ECGを介して生理学的構造的現実性を強化し,形態学的一貫性を改善した。
◦
マルチモードの人口統計学的条件を利用して患者のカスタマイズされた合成を実施した。
◦
個人情報保護を強力に維持し、既存の方法論に比べてすべての指標で4-8％の向上を見せた。
◦
低データ環境でも、合成ECGデータで訓練された分類器が実際のデータで訓練された分類器と同様の性能を示した。
◦
医療分野で生成AIの責任ある使用のための発展を提示した。
•
Limitations：
◦
論文に具体的なLimitationsへの言及はありません。 (論文要約情報にLimitations関連内容なし)
👍
Made with Slashpage