論文の概要: StressNet: Detecting Stress in Thermal Videos
- arxiv url: http://arxiv.org/abs/2011.09540v2
- Date: Mon, 23 Nov 2020 18:38:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 05:23:08.218429
- Title: StressNet: Detecting Stress in Thermal Videos
- Title（参考訳）: stressnet: 熱ビデオ中の応力を検出する
- Authors: Satish Kumar, A S M Iftekhar, Michael Goebel, Tom Bullock, Mary H.
MacLean, Michael B. Miller, Tyler Santander, Barry Giesbrecht, Scott T.
Grafton, B.S. Manjunath
- Abstract要約: 本稿では, サーマルビデオから生理的信号を取得し, ストレス状態を分類するための新しい手法を提案する。
ストレスネット (StressNet) は、ストレス人の定量的指標と考えられる心交感神経活動の変化の尺度であるISTI (Initial Systolic Time Interval) を再構成する。
詳細な評価では、ISTI信号の95%の精度で推定し、平均精度0.842で応力を検出することが示されている。
- 参考スコア（独自算出の注目度）: 10.453959171422147
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise measurement of physiological signals is critical for the effective
monitoring of human vital signs. Recent developments in computer vision have
demonstrated that signals such as pulse rate and respiration rate can be
extracted from digital video of humans, increasing the possibility of
contact-less monitoring. This paper presents a novel approach to obtaining
physiological signals and classifying stress states from thermal video. The
proposed network--"StressNet"--features a hybrid emission representation model
that models the direct emission and absorption of heat by the skin and
underlying blood vessels. This results in an information-rich feature
representation of the face, which is used by spatio-temporal network for
reconstructing the ISTI ( Initial Systolic Time Interval: a measure of change
in cardiac sympathetic activity that is considered to be a quantitative index
of stress in humans ). The reconstructed ISTI signal is fed into a
stress-detection model to detect and classify the individual's stress state (
i.e. stress or no stress ). A detailed evaluation demonstrates that StressNet
achieves estimated the ISTI signal with 95% accuracy and detect stress with
average precision of 0.842. The source code is available on Github.
- Abstract（参考訳）: 生理的信号の正確な測定は、ヒトのバイタルサインの効果的なモニタリングに不可欠である。
近年のコンピュータビジョンの発展により、人間のデジタルビデオからパルスレートや呼吸速度などの信号を抽出することができ、非接触監視の可能性も高まっている。
本稿では,熱映像から生理的信号を取得し,ストレス状態を分類する新しい手法を提案する。
提案するネットワーク--stressnet--は皮膚と下層の血管による熱の直接放出と吸収をモデル化するハイブリッドエミッション表現モデルを備えている。
この結果、isti(初期収縮時間間隔:ヒトのストレスの定量的指標と見なされる心臓交感神経活動の変化の指標)を再構築するために時空間ネットワークによって使用される、情報豊富な顔の特徴表現が得られる。
再構成されたISTI信号はストレス検出モデルに入力され、個人のストレス状態(ストレス、ストレスなし)を検出し分類する。
詳細な評価では、ISTI信号の95%の精度で推定し、平均精度0.842で応力を検出する。
ソースコードはgithubで公開されている。
関連論文リスト
- Stress Assessment with Convolutional Neural Network Using PPG Signals [0.22499166814992436]
本研究は,Empatica E4 センサによって記録された生の PPG 信号を用いてストレスのある事象を評価する新しい手法の開発に焦点をあてる。
マルチレイヤパーセプトロン(MLP)と組み合わせた適応畳み込みニューラルネットワーク(CNN)を用いて、ストレスのある事象の検出を実現している。
この研究は、一般公開され、ウェアラブルストレスとエフェクト検出(WESAD)と名付けられたデータセットを使用する。
論文 参考訳（メタデータ） (2024-10-16T06:24:16Z) - Stress Detection Using PPG Signal and Combined Deep CNN-MLP Network [0.20971479389679332]
この研究は、ストレス事象を検出するためにPSG信号を利用する。
この研究で使用されるPG信号は、UBFC-Physと名付けられた最新の公開データセットから収集される。
その結果, 応力を約82%の精度で検出できることが示唆された。
論文 参考訳（メタデータ） (2024-10-10T13:38:55Z) - REST: Efficient and Accelerated EEG Seizure Analysis through Residual State Updates [54.96885726053036]
本稿では,リアルタイム脳波信号解析のための新しいグラフベース残状態更新機構(REST)を提案する。
グラフニューラルネットワークとリカレント構造の組み合わせを活用することで、RESTは、非ユークリッド幾何学とEEGデータ内の時間的依存関係の両方を効率的にキャプチャする。
本モデルは,発作検出と分類作業において高い精度を示す。
論文 参考訳（メタデータ） (2024-06-03T16:30:19Z) - Stressor Type Matters! -- Exploring Factors Influencing Cross-Dataset Generalizability of Physiological Stress Detection [5.304745246313982]
本研究では,2次応力検出のためのHRV機能に基づいて学習した機械学習モデルの一般化可能性について検討する。
以上の結果から,モデル一般化可能性に重要な因子であるストレスタイプが示唆された。
我々は、新しい環境にHRVベースのストレスモデルを展開する際に、ストレスタイプをマッチングすることを推奨する。
論文 参考訳（メタデータ） (2024-05-06T14:47:48Z) - 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) - Investigating the Generalizability of Physiological Characteristics of Anxiety [3.4036712573981607]
不安やストレスと高覚醒感情との関連が示された生理的特徴の一般化可能性を評価する。
この研究は、心電図やEDA信号からストレスと覚醒を横断する最初のクロスコーパス評価であり、ストレス検出の一般化性に関する新たな発見に寄与した。
論文 参考訳（メタデータ） (2024-01-23T16:49:54Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳（メタデータ） (2022-12-14T21:39:15Z) - Analysing the Performance of Stress Detection Models on Consumer-Grade
Wearable Devices [9.580380455705397]
ストレスレベルは、メンタルヘルス分析のための貴重なデータと、アノテーションシステムのためのラベルを提供することができる。
低分解能エレクトロミカルアクティビティ(EDA)信号を用いてストレスパターンを識別する可能性についての研究は乏しい。
論文 参考訳（メタデータ） (2022-03-18T00:36:27Z) - Deep Impulse Responses: Estimating and Parameterizing Filters with Deep
Networks [76.830358429947]
高雑音および地中設定におけるインパルス応答推定は難しい問題である。
本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-02-07T18:57:23Z) - 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) - Finding Patient Zero: Learning Contagion Source with Graph Neural
Networks [67.3415507211942]
感染源の特定は、感染の感染経路に関する重要な洞察を与えることができる。
既存の方法はグラフ理論測度と高価なメッセージパッシングアルゴリズムを用いる。
グラフニューラルネットワーク(GNN)を用いてP0を学習し,この問題を再考する。
論文 参考訳（メタデータ） (2020-06-21T21:12:44Z)
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。