CPAP療法中の睡眠段階分類:CPAP気流およびウェアラブル指先信号からのアプローチ

• DREAMTデータセットを用い、CNN–BiGRUフレームワークでハンドクラフト特徴とBVP・加速度計のSTFT表現を比較。STFT表現がハンドクラフト特徴よりクラスバランス性能で優位。
• BVP+ACCのMacro-F1はハンドクラフト特徴で3段階0.5057・4段階0.4005・5段階0.3366、STFT表現で0.6404・0.5083・0.4376へ改善。
• ハイブリッド融合は3段階0.6476・4段階0.5108・5段階0.4464にとどまり、単純連結を超える複雑な融合戦略はMacro-F1を向上させなかった。

• スイスの研究者チームが、レム睡眠中に外部感覚情報の処理が減少し体内からの信号(心拍など)処理が維持・強化されることをEEG記録で実証した
• 聴覚刺激への神経応答が弱まり心拍信号処理が強化されることを用いた「オーディオ・カーディオ指数」を提唱。意識障害(昏睡・最小意識状態)の評価マーカーとしての応用可能性を示した

心血管疾患(CVD)は世界人口の約3分の1に影響を与える主要な健康問題であり、多大な経済的・社会的損失をもたらしている。本レビューは、PRISMA 2020ガイドラインに基づき、69の研究を対象とした最新のマルチモーダル入力深層学習アルゴリズムを体系的に分析し、CVDの早期検出とリスク評価の向上に焦点を当てている。ウェアラブルセンサー、医療画像、電子健康記録(EHR)、ゲノムプラットフォームなどの先進的なデータモダリティを活用し、統合されたマルチモーダルデータによるCVDリスクの包括的評価が進んでいる。レビューでは、心電図(ECG)、心拍変動(HRV)、血圧(BP)、心エコー図、心臓MRI/…

本研究は、研究用ウェアラブル(Shimmer3 GSR+, Empatica E4)とコンシューマーグレードのスマートウォッチ(Pixel Watch 2)の生理学的データ品質を比較評価した。ベースライン、認知負荷(n-back)、驚愕、リラクゼーション、身体活動の条件下で、4つのウェアラブルデバイスの信号比較性と信頼性を評価した。また、Empatica E4とその後継機であるEmbracePlusについても比較した。全てのウェアラブルは、異なる実験条件下での顕著な生理学的変化を確実に捉えたが、微妙な認知負荷の違いに対する感度は低く、絶対値と動作に対する堅牢性にはばらつきが見られた。Pixe…

• 心電図(ECG)不整脈検出のため、患者データを中央集約せず分散学習する半教師あり連合学習フレームワークを提案。マルチレベル特徴抽出・適応的特徴融合・疑似ラベリングを組み合わせ、ラベル付き/ラベルなしデータを活用。
• クライアントの貢献度を考慮した重み付き連合集約によりグローバルモデルを更新する方式を採用。
• MIT-BIH不整脈データセットで評価し、半教師あり連合学習設定で96.81%の精度とAUC 0.9957を達成。ランダムフォレスト、SVM、K近傍法、AdaBoost、勾配ブースティング、多層パーセプトロンと比較。