論文の概要: Identification of deep breath while moving forward based on multiple body regions and graph signal analysis

• arxiv url: http://arxiv.org/abs/2010.11734v1
• Date: Tue, 20 Oct 2020 08:26:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 08:08:01.496367
• Title: Identification of deep breath while moving forward based on multiple body regions and graph signal analysis
• Title（参考訳）: 多体領域とグラフ信号解析による前方移動時の深呼吸の同定
• Authors: Yunlu Wang, Cheng Yang, Menghan Hu, Jian Zhang, Qingli Li, Guangtao Zhai, Xiao-Ping Zhang
• Abstract要約: 本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
• 参考スコア（独自算出の注目度）: 45.62293065676075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an unobtrusive solution that can automatically identify deep breath when a person is walking past the global depth camera. Existing non-contact breath assessments achieve satisfactory results under restricted conditions when human body stays relatively still. When someone moves forward, the breath signals detected by depth camera are hidden within signals of trunk displacement and deformation, and the signal length is short due to the short stay time, posing great challenges for us to establish models. To overcome these challenges, multiple region of interests (ROIs) based signal extraction and selection method is proposed to automatically obtain the signal informative to breath from depth video. Subsequently, graph signal analysis (GSA) is adopted as a spatial-temporal filter to wipe the components unrelated to breath. Finally, a classifier for identifying deep breath is established based on the selected breath-informative signal. In validation experiments, the proposed approach outperforms the comparative methods with the accuracy, precision, recall and F1 of 75.5%, 76.2%, 75.0% and 75.2%, respectively. This system can be extended to public places to provide timely and ubiquitous help for those who may have or are going through physical or mental trouble.
• Abstract（参考訳）: 本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 既存の非接触呼吸評価は、人体が比較的静止している場合に制限された条件下で満足な結果が得られる。 誰かが前進すると、深度カメラによって検出された呼吸信号はトランクの変位や変形の信号の中に隠され、信号長は短い滞在時間のために短く、モデルを確立する上で大きな課題となる。 これらの課題を克服するために,複数の関心領域(ROI)に基づく信号抽出と選択手法を提案し,深度映像からの呼吸を知らせる信号を自動的に取得する。 その後、時空間フィルタとしてグラフ信号解析(GSA)を採用し、息に関係のない成分を除去する。 最後に、選択された呼吸変形信号に基づいて深呼吸を識別する分類器を確立する。 検証実験において,提案手法は,75.5%,76.2%,75.0%,75.2%の精度,精度,リコール,f1をそれぞれ上回っている。 このシステムは、身体的または精神的なトラブルを経験している人のために、タイムリーでユビキタスな支援を提供するために、公共の場所に拡張することができる。

関連論文リスト

• Multi-objective Feature Selection in Remote Health Monitoring Applications [2.219956413333153]
  いくつかのシナリオでは、RF信号分析フレームワークは、あるタスクのパフォーマンスを他のタスクよりも優先することができる。 我々は,呼吸パターン認識の精度を高める識別的特徴を選択するために,生物学的原理に着想を得た多目的最適化アプローチを採用した。 本稿では,ユーザの識別精度を最大化し,呼吸活動認識のためのシステムの能力を最小限に抑えるために,逆向きな結果を示す。
  論文  参考訳（メタデータ） (2024-01-10T20:27:43Z)
• Non-Contact Breathing Rate Detection Using Optical Flow [0.0]
  繁殖率(Breathing rate)は、人の健康全体を示す貴重な指標である重要な健康指標である。 本稿では, 運動検出アルゴリズム, 光流を用いた非接触呼吸速度検出法について検討する。
  論文  参考訳（メタデータ） (2023-11-13T10:26:18Z)
• Noncontact Respiratory Anomaly Detection Using Infrared Light-Wave Sensing [0.1759252234439348]
  異常な呼吸は、さらなる診断と治療につながる致命的な健康上の問題を示す可能性がある。 本研究では,人間の呼吸パターンを模倣するロボットを用いて,正常および異なる種類の呼吸異常をシミュレートした。 赤外線センシング技術を用いて時系列呼吸データを収集した。
  論文  参考訳（メタデータ） (2023-01-09T23:19:40Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Collaborative Three-Tier Architecture Non-contact Respiratory Rate Monitoring using Target Tracking and False Peaks Eliminating Algorithms [10.232449356645608]
  非接触呼吸モニタリング技術は、照明やモーションアーティファクトのような環境の影響に敏感であるため、精度が低い。 ユーザとクラウド間の頻繁な接触は、サービス要求の遅延と、個人情報の喪失を引き起こす可能性がある。 我々は,呼吸モニタリングの精度を高め,データ伝送遅延を低減するために,協調的な3層設計による非接触呼吸率モニタリングシステムを提案した。
  論文  参考訳（メタデータ） (2020-11-17T07:33:00Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• 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)
• DeepBeat: A multi-task deep learning approach to assess signal quality and arrhythmia detection in wearable devices [0.0]
  我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。 我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。 2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-01-01T07:41:28Z)

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。