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
- Systematic comparison of semi-supervised and self-supervised learning
for medical image classification [12.977356726499735]
多くの医学画像分類問題では、ラベル付きデータが不足し、ラベルなしデータが利用可能である。
両方の方向からの最近の手法は、従来のベンチマークで顕著な上昇を報告している。
本研究は,4つの医療データセット上でのラベル付きセットのみのベースラインに対して,13の代表的な半指導的手法と自己指導的手法を比較した。
論文 参考訳(メタデータ) (2023-07-18T01:31:47Z) - Pain level and pain-related behaviour classification using GRU-based
sparsely-connected RNNs [61.080598804629375]
慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。
この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。
我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。
本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
論文 参考訳(メタデータ) (2022-12-20T12:56:28Z) - 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。