論文の概要: A Deep Transfer Learning-based Edge Computing Method for Home Health Monitoring

• arxiv url: http://arxiv.org/abs/2105.02960v1
• Date: Wed, 28 Apr 2021 17:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 08:35:23.519744
• Title: A Deep Transfer Learning-based Edge Computing Method for Home Health Monitoring
• Title（参考訳）: 深層移動学習に基づく在宅健康モニタリングのためのエッジコンピューティング手法
• Authors: Abu Sufian, Changsheng You and Mianxiong Dong
• Abstract要約: 家庭の健康監視は、家庭の健康サービスの非侵襲的なサブエリアです。 事前訓練された畳み込みニューラルネットワークベースのモデルは、少量のグラウンドラベル付きデータでエッジデバイスを活用することができる。 RGB、深度、またはサーマルセンサーでキャプチャされたビジュアルデータのオンサイトコンピューティングは、手頃な価格で可能です。
• 参考スコア（独自算出の注目度）: 20.17535790986831
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The health-care gets huge stress in a pandemic or epidemic situation. Some diseases such as COVID-19 that causes a pandemic is highly spreadable from an infected person to others. Therefore, providing health services at home for non-critical infected patients with isolation shall assist to mitigate this kind of stress. In addition, this practice is also very useful for monitoring the health-related activities of elders who live at home. The home health monitoring, a continuous monitoring of a patient or elder at home using visual sensors is one such non-intrusive sub-area of health services at home. In this article, we propose a transfer learning-based edge computing method for home health monitoring. Specifically, a pre-trained convolutional neural network-based model can leverage edge devices with a small amount of ground-labeled data and fine-tuning method to train the model. Therefore, on-site computing of visual data captured by RGB, depth, or thermal sensor could be possible in an affordable way. As a result, raw data captured by these types of sensors is not required to be sent outside from home. Therefore, privacy, security, and bandwidth scarcity shall not be issues. Moreover, real-time computing for the above-mentioned purposes shall be possible in an economical way.
• Abstract（参考訳）: 医療は、パンデミックや疫病の状況で大きなストレスを受けます。 パンデミックを引き起こす新型コロナウイルス(COVID-19)など一部の病気は、感染した人から他人に非常に感染しやすい。 したがって、非クリティカル感染症患者に在宅健康サービスの提供は、このようなストレスを軽減するのに役立ちます。 また、この習慣は在宅高齢者の健康関連活動を監視する上でも非常に有用である。 在宅健康モニタリングは、視覚センサーを用いた在宅患者や高齢者の継続的なモニタリングであり、在宅医療サービスの非侵襲的なサブ領域である。 本稿では,在宅健康モニタリングのための伝達学習に基づくエッジコンピューティング手法を提案する。 具体的には、事前訓練された畳み込みニューラルネットワークベースのモデルでは、少量の地上データと微調整によるエッジデバイスを利用してモデルをトレーニングすることができる。 したがって、RGB、深度、サーマルセンサーによってキャプチャされた視覚データのオンサイト計算は、安価な方法で可能である。 その結果、この種のセンサで取得した生データは、家庭から外部に送信される必要はない。 したがって、プライバシー、セキュリティ、帯域幅の不足は問題ではない。 さらに、上記の目的のリアルタイムコンピューティングは、経済的に可能である。

関連論文リスト

• DNA: Differentially private Neural Augmentation for contact tracing [62.740950398187664]
  接触追跡はウイルスキャリアの早期検出による感染率の低下に有効な方法である。 我々は、分散化された接触追跡において、最先端技術のプライバシー保証を大幅に改善する。 この作業は、重要なプライバシー保証を維持しながら、ディープラーニングをコンタクトトレースに統合する上で、重要な第一歩となる。
  論文  参考訳（メタデータ） (2024-04-20T13:43:28Z)
• CSI-Based Efficient Self-Quarantine Monitoring System Using Branchy Convolution Neural Network [2.609279398946235]
  そこで我々は,Wi-Fiをベースとしたデバイスフリーの自己検疫監視システムを提案する。 We exploit channel state information (CSI) from Wi-Fi signal as human activity features。 実験の結果,提案モデルでは,5つの異なる人間の活動の分類において,平均98.19%の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2023-05-24T04:02:49Z)
• Wearable Health Monitoring System for Older Adults in a Smart Home Environment [1.14219428942199]
  スマートホームにおける高齢者に適したウェアラブル型健康モニタリングシステムの設計について述べる。 提案システムは,スマートホーム環境における個人のストレス,血圧,位置をモニタリングするソリューションを提供する。 音声ベースのプロトタイプも実装し、スマートホーム環境に統合するシステムの実現可能性について分析した。
  論文  参考訳（メタデータ） (2021-06-09T03:16:54Z)
• FedHome: Cloud-Edge based Personalized Federated Learning for In-Home Health Monitoring [39.36361256682276]
  在宅健康モニタリングは、世界中の高齢層に大きな注目を集めている。 既存の家庭内健康モニタリングのアプローチは、ユーザのデータプライバシに十分な注意を払わない。 FedHomeは、家庭内健康モニタリングのための新しいクラウドエッジのフェデレーション学習フレームワークです。
  論文  参考訳（メタデータ） (2020-12-14T12:04:44Z)
• Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
  大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。 プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。 本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
  論文  参考訳（メタデータ） (2020-10-23T17:06:07Z)
• When Healthcare Meets Off-the-Shelf WiFi: A Non-Wearable and Low-Costs Approach for In-Home Monitoring [6.082774743804399]
  政府は、高齢者の快適さと自立性を確保しつつ、医療サービスの質を低コストで向上させる必要がある。 本研究は、市販のWiFiをベースとした家庭内モニタリング手法を提案する。 提案手法は,壁面からでも細かな人間のポーズ像を捉え,市販のWiFiデバイスで同時に詳細な呼吸状態を追跡する。
  論文  参考訳（メタデータ） (2020-09-21T09:35:13Z)
• Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
  我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。 本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。 我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
  論文  参考訳（メタデータ） (2020-09-20T12:24:45Z)
• New Normal: Cooperative Paradigm for Covid-19 Timely Detection and Containment using Internet of Things and Deep Learning [12.618653234201089]
  新型コロナウイルス(COVID-19)の感染拡大は、世界経済に影響を及ぼし、政府や保健当局に数十億ドルの損害を与えた。 本研究は、ウイルスの拡散を検知するだけでなく、ビジネスやエコノミーを再開し、社会生活を再開する上でも役立つコネクテッド・スマート・パラダイムを導入する。
  論文  参考訳（メタデータ） (2020-08-15T14:33:53Z)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)
• Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
  新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。 技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。 個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
  論文  参考訳（メタデータ） (2020-04-16T15:53:42Z)
• Reconfiguring health services to reduce the workload of caregivers during the COVID-19 outbreak using an open-source scalable platform for remote digital monitoring and coordination of care in hospital Command Centres [55.41644538483948]
  在宅患者を自動的に遠隔監視するデジタル技術について述べる。 患者は単純で自己申告されたアンケートに回答し、そのデータはリアルタイムで最寄りの病院のコマンドセンターに送信される。
  論文  参考訳（メタデータ） (2020-03-12T16:08:09Z)

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。