Neurologica 宣布兩篇論文入選訊號處理頂級會議 ICASSP 2026 口頭發表

Neurologica 株式会社（總部：東京都澀谷區，代表董事：ピーク エイダン ゼファー）欣然宣布，其兩篇論文已獲選在「ICASSP 2026」（國際聲學、語音和訊號處理會議）上發表，該會議是音訊、語音、訊號處理及其相關領域最具權威的國際會議之一，預計將在西班牙巴塞隆納舉行。

本次獲選的兩篇論文分別是實現多變量時間序列預測精度提升的「DecompSSM」，以及能夠從PPG（光電容積脈波）重建多種生命體徵的「PENGUIN」。值得一提的是，這兩項成果均被選為「口頭發表」。

關於「ICASSP」

「ICASSP (International Conference on Acoustics, Speech, and Signal Processing)」是由IEEE訊號處理學會主辦，是全球最大的訊號處理及其應用領域國際會議。來自世界各地大學和企業的研究成果會提交至此，只有通過嚴格同行評審的論文才能被接受。

獲選論文概要

1. 多變量時間序列預測模型「DecompSSM」

【論文題目】

A Decomposition-based State Space Model for Multivariate Time-series Forecasting

【作者】

長嶋隼矢、鈴木駿太郎、小山修生、平野愼之助

【研究成果與實用性】

氣象、電力、金融等多變量時間序列數據中，長期趨勢、週期性波動和不規則雜訊混雜，使得高精度預測變得困難。

本研究提出「DecompSSM」，利用深度狀態空間模型（SSM）將多變量時間序列數據分解為「趨勢、季節性和殘差」進行學習。

該AI模型在分析具有複雜相關性的時間序列數據方面，例如製造業的能源消耗預測、太陽能和風力發電的輸出預測以及金融市場的價格波動分析，實現了超越傳統AI模型的預測精度。

2. 生命體徵重建框架「PENGUIN」

【論文題目】

PENGUIN: General Vital Sign Reconstruction from PPG with Flow Matching State Space Model

【作者】

鈴木駿太郎、小山修生、平野愼之助、長嶋隼矢

【研究成果與實用性】

智慧手錶等設備測量的PPG訊號成本低廉，對於連續的生物監測具有前景。然而，它容易受到身體運動等引起的雜訊影響，使得精確估計生物指標面臨挑戰。

本研究開發了「PENGUIN」，將「流匹配」整合到狀態空間模型中。這使得從易受雜訊干擾的PPG訊號中，高精度地重建心電圖、動脈血壓和呼吸狀態等多種生命體徵的連續波形成為可能。這項技術適用於穿戴式裝置。