論文の概要: MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement

• arxiv url: http://arxiv.org/abs/2010.01773v3
• Date: Sat, 6 Mar 2021 04:37:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 20:56:25.501209
• Title: MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement
• Title（参考訳）: MetaPhys:非接触生理計測のためのFew-Shot Adaptation
• Authors: Xin Liu, Ziheng Jiang, Josh Fromm, Xuhai Xu, Shwetak Patel, Daniel McDuff
• Abstract要約: そこで我々はMetaPhysというメタラーニング手法を提案する。 カスタマイズには18秒の動画しか使用せず、教師なしと教師なしの両方で効果的に機能する。
• 参考スコア（独自算出の注目度）: 17.038017337552724
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There are large individual differences in physiological processes, making designing personalized health sensing algorithms challenging. Existing machine learning systems struggle to generalize well to unseen subjects or contexts and can often contain problematic biases. Video-based physiological measurement is not an exception. Therefore, learning personalized or customized models from a small number of unlabeled samples is very attractive as it would allow fast calibrations to improve generalization and help correct biases. In this paper, we present a novel meta-learning approach called MetaPhys for personalized video-based cardiac measurement for contactless pulse and heart rate monitoring. Our method uses only 18-seconds of video for customization and works effectively in both supervised and unsupervised manners. We evaluate our proposed approach on two benchmark datasets and demonstrate superior performance in cross-dataset evaluation with substantial reductions (42% to 44%) in errors compared with state-of-the-art approaches. We have also demonstrated our proposed method significantly helps reduce the bias in skin type.
• Abstract（参考訳）: 生理的プロセスには大きな個人差があり、パーソナライズされた健康センシングアルゴリズムの設計は困難である。 既存の機械学習システムは、未発見の主題や文脈にうまく一般化できず、しばしば問題のあるバイアスを含む。 ビデオに基づく生理学的測定は例外ではない。 したがって、少数のラベルのないサンプルからパーソナライズされたモデルやカスタマイズされたモデルを学習することは非常に魅力的である。 本稿では,無接触脈拍と心拍数モニタリングのためのパーソナライズされたビデオベースの心拍測定のためのメタラーニング手法であるmetaphysを提案する。 カスタマイズには18秒のビデオのみを使用し,教師なしと教師なしの両方で効果的に動作する。 提案手法を2つのベンチマークデータセットで評価し,データ横断評価における優れた性能を示すとともに,誤差の大幅な低減(42%から44%)を,最先端のアプローチと比較した。 また,本手法は皮膚型のバイアス低減に有効であることを示した。

関連論文リスト

• Debiasing Cardiac Imaging with Controlled Latent Diffusion Models [1.802269171647208]
  本稿では,データセットに固有の不均衡を,合成データの生成によって緩和する手法を提案する。 我々は,患者メタデータと心臓の形状から合成したテキストを条件に,拡散確率モデルに基づく制御ネットを採用する。 本実験は,データセットの不均衡を緩和する手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2024-03-28T15:41:43Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• A Meta-GNN approach to personalized seizure detection and classification [53.906130332172324]
  本稿では,特定の患者に限られた発作サンプルから迅速に適応できるパーソナライズされた発作検出・分類フレームワークを提案する。 トレーニング患者の集合からグローバルモデルを学ぶメタGNNベースの分類器を訓練する。 本手法は, 未確認患者20回に限って, 精度82.7%, F1スコア82.08%を達成し, ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-11-01T14:12:58Z)
• A Two-stream Convolutional Network for Musculoskeletal and Neurological Disorders Prediction [14.003588854239544]
  筋骨格障害や神経疾患は高齢者の歩行障害の最も一般的な原因である。 近年のディープラーニングに基づく手法は、自動分析に有望な結果を示している。
  論文  参考訳（メタデータ） (2022-08-18T14:32:16Z)
• Improving ECG Classification Interpretability using Saliency Maps [0.0]
  我々は,MIT-BIH不整脈データセットにおいて,各クラスにまたがるモデル決定を可視化する手法を提案する。 本稿では,一般化可能性やモデル性能に影響を及ぼす可能性のある問題を見つけるために,これらのマップをどのように利用できるかを強調した。
  論文  参考訳（メタデータ） (2022-01-10T16:12:25Z)
• The Way to my Heart is through Contrastive Learning: Remote Photoplethysmography from Unlabelled Video [10.479541955106328]
  ビデオから生理的信号を確実に推定する能力は、低コストで臨床前の健康モニタリングにおいて強力なツールである。 本稿では, 人の顔や皮膚の観察から血液量の変化を計測するリモート光胸腺造影法(r)の新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-11-18T15:21:33Z)
• Solving Inverse Problems in Medical Imaging with Score-Based Generative Models [87.48867245544106]
  CT(Computed Tomography)とMRI(Magnetic Resonance Imaging)における医用画像の再構成は重要な逆問題である 機械学習に基づく既存のソリューションは通常、測定結果を医療画像に直接マッピングするモデルを訓練する。 本稿では,最近導入されたスコアベース生成モデルを利用して,逆問題解決のための教師なし手法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T05:41:12Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
  教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。 提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-01T01:43:04Z)
• A Supervised Learning Approach for Robust Health Monitoring using Face Videos [32.157163136267954]
  非接触型非接触型人体検知法は、特殊な心臓および血圧モニタリング装置の必要性をなくすことができる。 本稿では,市販のウェブカメラで撮影する顔ビデオのみを必要とする非接触方式を用いた。 提案手法では,顔のランドマークを用いて映像の各フレームの顔を検出する。
  論文  参考訳（メタデータ） (2021-01-30T22:03:16Z)
• Self-trained Deep Ordinal Regression for End-to-End Video Anomaly Detection [114.9714355807607]
  ビデオ異常検出に自己学習深層順序回帰を適用することで,既存の手法の2つの重要な限界を克服できることを示す。 我々は,手動で正規/異常データをラベル付けすることなく,共同表現学習と異常スコアリングを可能にする,エンドツーエンドのトレーニング可能なビデオ異常検出手法を考案した。
  論文  参考訳（メタデータ） (2020-03-15T08:44:55Z)

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。