論文の概要: Unsupervised Doppler Radar-Based Activity Recognition for e-healthcare

• arxiv url: http://arxiv.org/abs/2103.10478v1
• Date: Thu, 18 Mar 2021 18:55:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 23:23:50.293406
• Title: Unsupervised Doppler Radar-Based Activity Recognition for e-healthcare
• Title（参考訳）: 電子医療における教師なしドップラーレーダーによる活動認識
• Authors: Yordanka Karayaneva, Sara Sharifzadeh, Wenda Li, Yanguo Jing, Bo Tan
• Abstract要約: 本研究では,ドップラーストリームを用いた人間行動監視のための非監視フレームワークを提案する。 前者の場合、Convolutional Variational Autoencoder (CVAE) を使用したエンコードされた機能は、Convolutional Autoencoder (CAE) 機能と比較される。 その結果, PCA, SVD, CAEに比べ, CVAE, GLCMが20%以上の精度で優れていた。
• 参考スコア（独自算出の注目度）: 1.5749416770494706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Passive radio frequency (RF) sensing and monitoring of human daily activities in elderly care homes has recently become an emerging topic due to the demand with ageing population. Micro-Doppler radars are an appealing solution considering their non-intrusiveness, deep penetration, and high-distance range. This study presents an unsupervised framework for human activity monitoring using Doppler streams. Two unsupervised feature extraction strategies based on convolutional filtering and texture analysis of Doppler images are considered. For the former, encoded features using Convolutional Variational Autoencoder (CVAE) are compared with Convolutional Autoencoder (CAE) features. For the latter, Grey-Level Co-occurrence Matrix (GLCM) is used. These methods are further compared with unsupervised linear feature extraction based on Principal Component Analysis (PCA) and Singular Value Decomposition (SVD). Using these features, unsupervised samples clustering is performed using K-Means and K-Medoids. Actual labels are solely used for evaluation and visualisation. The results showcase 82.5% and 84% average testing accuracies for CVAE features and 77.5% and 72.5% average testing accuracy using texture features based on GLCM using K-Means and K-Medoids respectively. The results show superiority of CVAE and GLCM features compared to PCA, SVD, and CAE with more than 20% average accuracy. Furthermore, for high-dimensional data visualisation, three manifold learning techniques are considered including t-Distributed Stochastic Neighbour Embedding (t-SNE), Multidimensional Scaling (MDS), and Locally Linear Embedding (LLE). The visualisation methods are compared for projection of raw data as well as the encoded features using CVAE. All three methods show an improved visualisation ability when applied on the transformed CVAE data.
• Abstract（参考訳）: 近年,高齢化が進む中,高齢者の日常生活活動の受動無線(RF)センシングとモニタリングが注目されている。 マイクロドップラーレーダーは、その非侵入性、深い浸透性、長距離範囲を考慮した魅力的なソリューションである。 本研究では,ドップラーストリームを用いたヒューマンアクティビティモニタリングのための教師なしフレームワークを提案する。 ドップラー画像の畳み込みフィルタリングとテクスチャ解析に基づく2つの教師なし特徴抽出戦略を検討する。 前者は、畳み込み変分オートエンコーダ(CVAE)を用いた符号化された特徴と、畳み込みオートエンコーダ(CAE)の機能を比較する。 後者はGrey-Level Co-occurrence Matrix (GLCM) を用いる。 これらの方法は、主成分分析(PCA)と特異値分解(SVD)に基づく教師なし線形特徴抽出と比較される。 これらの特徴を用いて、教師なしサンプルクラスタリングはK-MeansとK-Medoidsを用いて実行される。 実際のラベルは評価と視覚化にのみ使用される。 その結果,K-MeansおよびK-Medoidsを用いたGLCMに基づくテクスチャ特性を用いて,CVAE特性の平均テスト精度82.5%,平均テスト精度77.5%,平均テスト精度72.5%を示した。 その結果, PCA, SVD, CAEに比べ, CVAE, GLCMが20%以上の精度で優れていた。 さらに、高次元データ可視化では、t-Distributed Stochastic Neighbour Embedding (t-SNE)、Multidimensional Scaling (MDS)、Locally Linear Embedding (LLE)の3つの多様体学習手法が検討されている。 生データの投影とCVAEを用いた符号化特徴の可視化手法を比較した。 変換されたcvaeデータに適用すると,これら3つの手法で視覚能力が向上する。

関連論文リスト

• Comparison of Autoencoder Encodings for ECG Representation in Downstream Prediction Tasks [2.2616169634370076]
  自動エンコーダ(SAE)、Annealed beta-VAE(Abeta-VAE)、Cbeta-VAE(Cbeta-VAE)の3種類の新しい変分自動エンコーダ(VAE)を導入した。 アベタVAEは、信号ノイズのレベルである平均絶対誤差(MAE)を15.7プラス3.2マイクロボルトに減らした。 以上の結果から,これらのVAE符号化はECGデータの簡易化だけでなく,限られたラベル付き学習データを用いた文脈での深層学習の実践的解決にも有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-10-03T19:30:05Z)
• Learning Feature Inversion for Multi-class Anomaly Detection under General-purpose COCO-AD Benchmark [101.23684938489413]
  異常検出(AD)は、しばしば産業品質検査や医学的病変検査のための異常の検出に焦点が当てられている。 この研究はまず、COCOをADフィールドに拡張することにより、大規模で汎用的なCOCO-ADデータセットを構築する。 セグメンテーション分野のメトリクスにインスパイアされた我々は、より実用的なしきい値に依存したAD固有のメトリクスをいくつか提案する。
  論文  参考訳（メタデータ） (2024-04-16T17:38:26Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Reduced Deep Convolutional Activation Features (R-DeCAF) in Histopathology Images to Improve the Classification Performance for Breast Cancer Diagnosis [0.0]
  乳がんは世界で2番目に多いがんである。 ディープ畳み込みニューラルネットワーク(CNN)は効果的なソリューションである。 事前訓練したCNNの活性化層から抽出した特徴をDeep Convolutional activation features (DeCAF)と呼ぶ。
  論文  参考訳（メタデータ） (2023-01-05T06:53:46Z)
• Unsupervised Domain Adaptation for Automated Knee Osteoarthritis Phenotype Classification [0.8288807499147146]
  本研究の目的は,小データセットを用いた自動膝関節症(OA)表現型分類における非教師なし領域適応(UDA)の有用性を実証することであった。
  論文  参考訳（メタデータ） (2022-12-14T04:26:32Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
  本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。 提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
  論文  参考訳（メタデータ） (2020-04-24T23:41:41Z)

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。