論文の概要: A Supervised Learning Approach for Robust Health Monitoring using Face
Videos
- arxiv url: http://arxiv.org/abs/2102.00322v1
- Date: Sat, 30 Jan 2021 22:03:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 15:55:58.320924
- Title: A Supervised Learning Approach for Robust Health Monitoring using Face
Videos
- Title(参考訳): 顔ビデオを用いたロバストな健康モニタリングのための教師あり学習手法
- Authors: Mayank Gupta and Lingjun Chen and Denny Yu and Vaneet Aggarwal
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 32.157163136267954
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Monitoring of cardiovascular activity is highly desired and can enable novel
applications in diagnosing potential cardiovascular diseases and maintaining an
individual's well-being. Currently, such vital signs are measured using
intrusive contact devices such as an electrocardiogram (ECG), chest straps, and
pulse oximeters that require the patient or the health provider to manually
implement. Non-contact, device-free human sensing methods can eliminate the
need for specialized heart and blood pressure monitoring equipment. Non-contact
methods can have additional advantages since they are scalable with any
environment where video can be captured, can be used for continuous
measurements, and can be used on patients with varying levels of dexterity and
independence, from people with physical impairments to infants (e.g., baby
camera). In this paper, we used a non-contact method that only requires face
videos recorded using commercially-available webcams. These videos were
exploited to predict the health attributes like pulse rate and variance in
pulse rate. The proposed approach used facial recognition to detect the face in
each frame of the video using facial landmarks, followed by supervised learning
using deep neural networks to train the machine learning model. The videos
captured subjects performing different physical activities that result in
varying cardiovascular responses. The proposed method did not require training
data from every individual and thus the prediction can be obtained for the new
individuals for which there is no prior data; critical in approach
generalization. The approach was also evaluated on a dataset of people with
different ethnicity. The proposed approach had less than a 4.6\% error in
predicting the pulse rate.
- Abstract(参考訳): 心血管活動のモニタリングは非常に望まれており、潜在的な心血管疾患の診断や個人の健康維持に新しい応用が期待できる。
現在、このようなバイタルサインは、心電図(ECG)、胸部ストラップ、患者または医療機関が手動で実施する必要があるパルスオキシメータなどの侵入接触装置を用いて測定されている。
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。
非接触の方法は、ビデオがキャプチャできるあらゆる環境でスケーラブルであり、継続的な測定に使用できるため、身体障害のある人から幼児(例えばベビーカメラ)まで、さまざまなレベルの器用性と独立性を持つ患者に使用できるため、追加の利点があります。
本稿では,市販のウェブカメラを用いて顔映像のみを録画する非接触方式を用いた。
これらのビデオは、パルスレートやパルスレートのばらつきといった健康特性を予測するために利用された。
提案手法では、顔認識を用いて顔のランドマークを用いてビデオの各フレームの顔を検出し、さらに深層ニューラルネットワークを用いて教師付き学習を行い、機械学習モデルをトレーニングする。
ビデオは、心血管反応が変化する様々な身体活動を行う被験者を捉えた。
提案手法は各個人からのトレーニングデータを必要としないため、事前データがない新規個人に対して予測が得られ、アプローチ一般化において極めて重要である。
このアプローチは、異なる民族の人々のデータセットでも評価された。
提案手法はパルス速度の予測において4.6\%の誤差しかなかった。
関連論文リスト
- Chaos in Motion: Unveiling Robustness in Remote Heart Rate Measurement through Brain-Inspired Skin Tracking [7.688280190165613]
既存の遠隔心拍測定法には3つの深刻な問題がある。
コンピュータビジョンタスクにカオス理論を初めて適用し、脳にインスパイアされたフレームワークとなる。
本手法はHR-RSTと呼ばれる心拍計測のためのロバスト皮膚追跡を実現する。
論文 参考訳(メタデータ) (2024-04-11T12:26:10Z) - Dataset Creation Pipeline for Camera-Based Heart Rate Estimation [0.3058685580689604]
心拍数(Heart rate)は、様々な人間の生理的、心理的情報に対する直感を調査し得る最も重要な健康指標の1つである。
従来の画像処理から複雑なディープラーニングモデルやアーキテクチャまで,様々なカメラベース心拍推定技術が開発されている。
本稿では,顔領域の画像から心拍数推定のためのアルゴリズムや機械学習モデルを開発するためのデータ作成方法について論じる。
論文 参考訳(メタデータ) (2023-03-02T18:28:29Z) - An Algorithm for the Labeling and Interactive Visualization of the
Cerebrovascular System of Ischemic Strokes [59.116811751334225]
VirtualDSA++は、CTAスキャンで脳血管ツリーをセグメンテーションし、ラベル付けするために設計されたアルゴリズムである。
閉塞血管を同定するために,脳動脈のラベル付け機構を拡張した。
本稿では,そのモデルの全ノードにおける経路の反復的体系探索という一般的な概念を紹介し,新たな対話的特徴を実現する。
論文 参考訳(メタデータ) (2022-04-26T14:20:26Z) - Machine learning models and facial regions videos for estimating heart
rate: a review on Patents, Datasets and Literature [0.0]
心拍数の推定は、様々な状況においてユーザーを監視する上で重要である。
非侵襲的な方法で心臓情報を監視することができるため、顔ビデオに基づく推定がますます研究されている。
本研究では、機械学習モデルを用いて顔画像から心拍数を推定する利点と課題について検討する。
論文 参考訳(メタデータ) (2022-02-17T21:54:29Z) - 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) - Continuous Decoding of Daily-Life Hand Movements from Forearm Muscle
Activity for Enhanced Myoelectric Control of Hand Prostheses [78.120734120667]
本研究では,前腕のEMG活性をハンドキネマティクスに連続的にマップする,長期記憶(LSTM)ネットワークに基づく新しい手法を提案する。
私たちの研究は、この困難なデータセットを使用するハンドキネマティクスの予測に関する最初の報告です。
提案手法は, 人工手指の複数のDOFの独立的, 比例的アクティベーションのための制御信号の生成に適していることが示唆された。
論文 参考訳(メタデータ) (2021-04-29T00:11:32Z) - One-shot action recognition towards novel assistive therapies [63.23654147345168]
この作業は、アクション模倣ゲームを含む医療療法の自動分析によって動機づけられます。
提案手法は、異種運動データ条件を標準化する前処理ステップを組み込んだものである。
自閉症者に対するセラピー支援のための自動ビデオ分析の実際の利用事例について検討した。
論文 参考訳(メタデータ) (2021-02-17T19:41:37Z) - MetaPhys: Few-Shot Adaptation for Non-Contact Physiological Measurement [17.038017337552724]
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。
論文 参考訳(メタデータ) (2020-10-05T04:41:03Z) - 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) - 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。