Fugu-MT 論文翻訳(概要): Monitoring My Dehydration: A Non-Invasive Dehydration Alert System Using Electrodermal Activity

論文の概要: Monitoring My Dehydration: A Non-Invasive Dehydration Alert System Using Electrodermal Activity

arxiv url: http://arxiv.org/abs/2009.13626v1
Date: Fri, 25 Sep 2020 16:55:25 GMT
ステータス: 処理完了
システム内更新日: 2023-05-01 00:24:30.093045
Title: Monitoring My Dehydration: A Non-Invasive Dehydration Alert System Using Electrodermal Activity
Title（参考訳）: 脱水モニタリング:電熱活性を利用した非侵襲脱水アラートシステム
Authors: Nandan Kulkarni, Christopher Compton, Jooseppi Luna, Mohammad Arif Ul Alam
Abstract要約: 脱水症状は、男女ともに生産性、認知障害、気分を低下させる。そこで本稿では,信号処理と機械学習技術と併用してウェアラブル・エレクトロミカル・アクティビティ(EDA)センサを用いて,脱水自動監視ツールを初めて開発することを提案する。本システムでは, 脱水レベルの推定精度84.5%, 感度87.5%, 特異度90.3%を提供する。
参考スコア（独自算出の注目度）: 1.224954637705144
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Staying hydrated and drinking fluids is extremely crucial to stay healthy and maintaining even basic bodily functions. Studies have shown that dehydration leads to loss of productivity, cognitive impairment and mood in both men and women. However, there are no such an existing tool that can monitor dehydration continuously and provide alert to users before it affects on their health. In this paper, we propose to utilize wearable Electrodermal Activity (EDA) sensors in conjunction with signal processing and machine learning techniques to develop first time ever a dehydration self-monitoring tool, \emph{Monitoring My Dehydration} (MMD), that can instantly detect the hydration level of human skin. Moreover, we develop an Android application over Bluetooth to connect with wearable EDA sensor integrated wristband to track hydration levels of the users real-time and instantly alert to the users when the hydration level goes beyond the danger level. To validate our developed tool's performance, we recruit 5 users, carefully designed the water intake routines to annotate the dehydration ground truth and trained state-of-art machine learning models to predict instant hydration level i.e., well-hydrated, hydrated, dehydrated and very dehydrated. Our system provides an accuracy of 84.5% in estimating dehydration level with an sensitivity of 87.5% and a specificity of 90.3% which provides us confidence of moving forward with our method for larger longitudinal study.
Abstract（参考訳）: 水分と飲料液は、健康を維持し、基礎的な身体機能を維持することが極めて重要である。研究により、脱水は男女ともに生産性の低下、認知障害、気分の低下をもたらすことが示されている。しかし、脱水症状を継続的に監視し、健康に影響を及ぼす前にユーザーに警告を提供するような既存のツールは存在しない。本稿では,ヒト皮膚の水和レベルを瞬時に検出できる脱水自動監視ツールである 'emph{Monitoring My Dehydration} (MMD) の開発に,信号処理と機械学習技術とともにウェアラブル電極運動(EDA)センサを活用することを提案する。さらに,Bluetooth上のAndroidアプリケーションを開発し,ウェアラブルEDAセンサ統合リストバンドと接続することで,ユーザの水和レベルをリアルタイムで追跡し,水和レベルが危険レベルを超えると即座にユーザに警告する。開発ツールの性能を検証するため,私たちは5人のユーザを募集し,脱水場真実に注釈をつけるための吸水ルーチンを慎重に設計し,即時脱水レベルを予測するための最先端機械学習モデルを訓練した。本システムでは,87.5%の感度と90.3%の特異性で脱水レベルを推定する精度を84.5%提供し,より大規模な縦断研究のための手法で前進する自信を与える。

関連論文リスト

Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文参考訳（メタデータ） (2024-10-08T10:35:32Z)
Real-Time Drowsiness Detection Using Eye Aspect Ratio and Facial Landmark Detection [0.0]
本研究は、視線量比(EAR)と顔のランドマーク検出技術を用いて、眠気を検出するために設計されたリアルタイムシステムを提案する。 EARのしきい値を確立することで、システムはいつ目を閉じているかを識別し、潜在的な眠気を示す。実験の結果,システムは低計算要求を維持しながら,高い精度で眠気を確実に検出できることがわかった。
論文参考訳（メタデータ） (2024-08-11T17:34:24Z)
Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文参考訳（メタデータ） (2024-04-05T20:39:16Z)
Enhanced Detection of Transdermal Alcohol Levels Using Hyperdimensional Computing on Embedded Devices [34.718604475406515]
私たちは、スマートフォン、スマートウェアラブル、IoTデプロイメントに実用的なジャスト・イン・タイムの介入アプローチを設計しています。我々は、様々なHDC符号化設計を探求し、それらを様々なHDC学習モデルと組み合わせて、モバイルデバイスに最適な、実現可能なアプローチを作成する。精度は89%で,現状よりも12%向上した。
論文参考訳（メタデータ） (2024-03-18T23:32:08Z)
Visual Detection of Diver Attentiveness for Underwater Human-Robot Interaction [15.64806176508126]
自律型水中車両(AUV)におけるダイバーアテンション推定手法を提案する。このフレームワークのコア要素はディープニューラルネットワーク(DATT-Netと呼ばれる)で、ダイバーの10の顔キーポイント間の幾何学的関係を利用して、その方向を決定する。実験により,提案したDATT-Netアーキテクチャは,有望な精度でヒトダイバーの注意力を決定することができることを示した。
論文参考訳（メタデータ） (2022-09-28T22:08:41Z)
Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文参考訳（メタデータ） (2021-10-19T11:45:01Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
MyWear: A Smart Wear for Continuous Body Vital Monitoring and Emergency Alert [0.19116784879310023]
本研究では, 生理的データを収集し, その心拍数, ストレスレベル, 筋活動を自動的に解析し, 異常を検知するウェアラブルボディバイタルモニタリング服を提案する。生理データのコピーがクラウドに送信され、心臓の鼓動の異常を検出し、将来の心不全を予測する。提案されたMyWearの平均精度は96.9%、異常検出の精度は97.3%である。
論文参考訳（メタデータ） (2020-10-17T21:11:20Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)
AutoCogniSys: IoT Assisted Context-Aware Automatic Cognitive Health Assessment [2.7998963147546148]
AutoCogniSysは、コンテキスト対応の自動認知ヘルスアセスメントシステムである。我々は,高齢者の生活環境における認知的健康度自動評価システムを開発した。 AutoCogniSysのパフォーマンスは、高齢者の認知健康度を評価する際の精度の最大93%を証明している。
論文参考訳（メタデータ） (2020-03-17T01:44:59Z)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。