論文の概要: An Accurate Non-accelerometer-based PPG Motion Artifact Removal Technique using CycleGAN

• arxiv url: http://arxiv.org/abs/2106.11512v1
• Date: Tue, 22 Jun 2021 03:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 14:50:21.862159
• Title: An Accurate Non-accelerometer-based PPG Motion Artifact Removal Technique using CycleGAN
• Title（参考訳）: CycleGANを用いた高精度非加速度計を用いたPSG運動アーチファクト除去技術
• Authors: Amir Hosein Afandizadeh Zargari, Seyed Amir Hossein Aqajari, Hadi Khodabandeh, Amir M. Rahmani, and Fadi Kurdahi
• Abstract要約: 本稿では,低消費電力非加速度センサを用いたPSGモーションアーティファクト除去手法を提案する。 我々は、ノイズの多いPGG信号からPPG信号をクリーンに再構成するために、Cycle Generative Adversarial Networkを使用します。
• 参考スコア（独自算出の注目度）: 2.6353710888820308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A photoplethysmography (PPG) is an uncomplicated and inexpensive optical technique widely used in the healthcare domain to extract valuable health-related information, e.g., heart rate variability, blood pressure, and respiration rate. PPG signals can easily be collected continuously and remotely using portable wearable devices. However, these measuring devices are vulnerable to motion artifacts caused by daily life activities. The most common ways to eliminate motion artifacts use extra accelerometer sensors, which suffer from two limitations: i) high power consumption and ii) the need to integrate an accelerometer sensor in a wearable device (which is not required in certain wearables). This paper proposes a low-power non-accelerometer-based PPG motion artifacts removal method outperforming the accuracy of the existing methods. We use Cycle Generative Adversarial Network to reconstruct clean PPG signals from noisy PPG signals. Our novel machine-learning-based technique achieves 9.5 times improvement in motion artifact removal compared to the state-of-the-art without using extra sensors such as an accelerometer.
• Abstract（参考訳）: フォトプレチスモグラフィ(英: photoplethysmography、ppg)は、心拍変動、血圧、呼吸速度などの健康関連情報を抽出するために医療領域で広く用いられている、複雑で安価な光学技術である。 PPG信号は、ポータブルウェアラブルデバイスを使用して、継続的に、かつリモートで容易に収集できる。 しかし、これらの測定装置は日常生活活動による運動人工物に弱い。 モーションアーティファクトを除去する最も一般的な方法は加速度センサを使用しており、これは2つの制限がある:i)高消費電力とii)ウェアラブルデバイスに加速度センサを統合する必要がある(特定のウェアラブルデバイスでは必須ではない)。 本稿では,低消費電力非加速度センサを用いたPSGモーションアーティファクト除去手法を提案する。 我々は, 周期生成型逆向ネットワークを用いて, ノイズの少ないppg信号から, クリーンなppg信号を再構成する。 この新しい機械学習技術は加速度計などの余分なセンサを使わずに、最新技術と比較して9.5倍のモーションアーティファクト除去を実現する。

関連論文リスト

• Training-free image style alignment for self-adapting domain shift on handheld ultrasound devices [54.476120039032594]
  本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。 TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
  論文  参考訳（メタデータ） (2024-02-17T07:15:23Z)
• Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
  単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。 本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。 実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-28T07:56:13Z)
• Quality Assessment of Photoplethysmography Signals For Cardiovascular Biomarkers Monitoring Using Wearable Devices [0.0]
  光胸腺撮影(英: Photoplethysmography)は、組織の微小血管層における血液量の変化を測定する非侵襲的な技術である。 Photoplethysmography は血管収縮や血管拡張などの条件を示すパラメータの評価を可能にする。
  論文  参考訳（メタデータ） (2023-07-17T18:26:57Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Tiny-PPG: A Lightweight Deep Neural Network for Real-Time Detection of Motion Artifacts in Photoplethysmogram Signals on Edge Devices [6.352499671581954]
  光胸腺X線信号は、現実の環境での動き人工物によって容易に汚染される。 この研究は、IoTデバイス上で正確なリアルタイムPSGアーティファクトセグメンテーションを実現するために、Tiny-edgeと呼ばれる軽量なディープニューラルネットワークを提案した。 Tiny-edgeは、リアルタイムPSGアーティファクト検出のために、STM32組み込みシステムにうまくデプロイされた。
  論文  参考訳（メタデータ） (2023-05-05T06:17:57Z)
• 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)
• Improved Touchless Respiratory Rate Sensing [0.0]
  画素強度変化に基づく新しい1次元プロファイル生成法を提案する。 新たな動作信号グルーピング法により、追加の精度ゲインを得る。 我々は、リアルタイムの連続RRモニタリングを可能にする標準パイプラインにいくつかの変更を導入する。
  論文  参考訳（メタデータ） (2022-11-21T16:45:06Z)
• Motion Artifact Reduction In Photoplethysmography For Reliable Signal Selection [5.264561559435017]
  光胸腺造影法(英: Photoplethysmography, PPG)は、人体の重要な兆候を抽出する非侵襲的、経済的手法である。 信号の品質を損なうような動きに敏感である。 日々の生活活動(ADL)を行いながら現実的なPSG信号を収集し,実践的な信号聴取・分析手法を開発することは重要である。
  論文  参考訳（メタデータ） (2021-09-06T21:53:56Z)
• 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)
• 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)
• Optimised Convolutional Neural Networks for Heart Rate Estimation and Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
  低サンプリングレートで心拍数と人的活動認識を同時に行う。 これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。 深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
  論文  参考訳（メタデータ） (2020-03-30T11:44:58Z)

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。