論文の概要: Deep Neural Network based Cough Detection using Bed-mounted
Accelerometer Measurements
- arxiv url: http://arxiv.org/abs/2102.04997v1
- Date: Tue, 9 Feb 2021 18:04:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 15:50:48.257823
- Title: Deep Neural Network based Cough Detection using Bed-mounted
Accelerometer Measurements
- Title（参考訳）: Bed-mounted Accelerometer 測定を用いたディープニューラルネットワークによるカフ検出
- Authors: Madhurananda Pahar, Igor Miranda, Andreas Diacon and Thomas Niesler
- Abstract要約: 我々は,患者のベッドに装着した加速度計から測定値に基づいて,うっ血検出を行った。
この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。
スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
- 参考スコア（独自算出の注目度）: 6.004134549265193
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We have performed cough detection based on measurements from an accelerometer
attached to the patient's bed. This form of monitoring is less intrusive than
body-attached accelerometer sensors, and sidesteps privacy concerns encountered
when using audio for cough detection. For our experiments, we have compiled a
manually-annotated dataset containing the acceleration signals of approximately
6000 cough and 68000 non-cough events from 14 adult male patients in a
tuberculosis clinic. As classifiers, we have considered convolutional neural
networks (CNN), long-short-term-memory (LSTM) networks, and a residual neural
network (Resnet50). We find that all classifiers are able to distinguish
between the acceleration signals due to coughing and those due to other
activities including sneezing, throat-clearing and movement in the bed with
high accuracy. The Resnet50 performs the best, achieving an area under the ROC
curve (AUC) exceeding 0.98 in cross-validation experiments. We conclude that
high-accuracy cough monitoring based only on measurements from the
accelerometer in a consumer smartphone is possible. Since the need to gather
audio is avoided and therefore privacy is inherently protected, and since the
accelerometer is attached to the bed and not worn, this form of monitoring may
represent a more convenient and readily accepted method of long-term patient
cough monitoring.
- Abstract（参考訳）: 症例のベッドに装着した加速度計から測定値に基づき,cough検出を行った。
この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。
本実験では, 結核クリニックの成人14名を対象に, 約6000コウの加速度信号と68000コウのイベントを含む手動注釈データセットを作成した。
分類器として、畳み込みニューラルネットワーク(CNN)、長短長期メモリ(LSTM)ネットワーク、残余ニューラルネットワーク(Resnet50)を検討した。
その結果, すべての分類器は, しゃがみ, 喉のクリーニング, ベッド内の運動などの他の活動による加速度信号とを高い精度で識別できることがわかった。
Resnet50は、クロスバリデーション実験で0.98を超えるROC曲線(AUC)下の領域を達成し、最高の性能を発揮します。
スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
オーディオの収集は避けられ、プライバシーは本質的に保護されているため、加速度計はベッドに取り付けられ、装着されていないため、このタイプのモニタリングは、より便利で容易に受け入れられる長期の患者のせきモニタリングの方法である。
関連論文リスト
- Scaling Wearable Foundation Models [54.93979158708164]
センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。
最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。
この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
論文 参考訳（メタデータ） (2024-10-17T15:08:21Z) - Accelerometer-based Bed Occupancy Detection for Automatic, Non-invasive
Long-term Cough Monitoring [7.755952127616406]
本稿では,スマートフォン内蔵加速度計から患者のベッド占有度を自動的に検出し,機械学習による長期コークスモニタリングシステムを提案する。
結核(TB)治療中の成人7人の手動加速度信号の249時間データセットを収集した。
その結果, TB療法で改善した患者は, 毎日のうっ血率を低下させていることがわかった。
論文 参考訳（メタデータ） (2022-02-08T15:38:34Z) - A Generic Deep Learning Based Cough Analysis System from Clinically
Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。
提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。
DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文 参考訳（メタデータ） (2021-11-10T19:39:26Z) - Wake-Cough: cough spotting and cougher identification for personalised
long-term cough monitoring [5.395757397475033]
「ウェイクカフ」は、Resnet50を用いたコーズへのウェイクワードスポッティングの応用である。
ウェイクカフ(Wake-cough)は、個人化された非侵入的、粗いモニタリングシステムである。
論文 参考訳（メタデータ） (2021-10-07T20:10:20Z) - A Novel Multi-Centroid Template Matching Algorithm and Its Application
to Cough Detection [7.89949025321688]
カフリングは呼吸器関連疾患の主要な症状である。
頭の動きデータをテンプレートマッチングアルゴリズムで検出することができる。
論文 参考訳（メタデータ） (2021-09-01T21:52:36Z) - Automatic non-invasive Cough Detection based on Accelerometer and Audio
Signals [6.004134549265193]
本稿では,加速度計と音声信号の両方に基づいて,自動的非侵襲的コークス検出手法を提案する。
加速度信号は、その統合加速度計を使用して、患者のベッドにしっかりと取り付けられたスマートフォンによって捕捉される。
結核クリニックの成人男性14名を対象に, 約6000頭, 68000頭, 約6000頭, 約68000頭について, 同時捕捉加速度と音声信号を含む手動注釈データセットを作成した。
論文 参考訳（メタデータ） (2021-08-31T22:44:56Z) - Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。
最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
論文 参考訳（メタデータ） (2021-08-07T23:05:18Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - Neural Network Virtual Sensors for Fuel Injection Quantities with
Provable Performance Specifications [71.1911136637719]
証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。
本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
論文 参考訳（メタデータ） (2020-06-30T23:33:17Z)
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。