論文の概要: Estimating Respiratory Rate From Breath Audio Obtained Through Wearable
Microphones
- arxiv url: http://arxiv.org/abs/2107.14028v1
- Date: Wed, 28 Jul 2021 17:24:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-31 01:34:18.017634
- Title: Estimating Respiratory Rate From Breath Audio Obtained Through Wearable
Microphones
- Title(参考訳): ウェアラブルマイクロフォンによる呼吸音の呼吸速度の推定
- Authors: Agni Kumar, Vikramjit Mitra, Carolyn Oliver, Adeeti Ullal, Matt
Biddulph, Irida Mance
- Abstract要約: 呼吸速度(英: respiratory rate、RR)は、全身の健康状態と体力を評価するための臨床指標である。
本研究は,健常成人における身体運動後に得られた短い音声区間からRRを推定するためのモデル駆動アプローチについて検討する。
- 参考スコア(独自算出の注目度): 6.293929325572208
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Respiratory rate (RR) is a clinical metric used to assess overall health and
physical fitness. An individual's RR can change from their baseline due to
chronic illness symptoms (e.g., asthma, congestive heart failure), acute
illness (e.g., breathlessness due to infection), and over the course of the day
due to physical exhaustion during heightened exertion. Remote estimation of RR
can offer a cost-effective method to track disease progression and
cardio-respiratory fitness over time. This work investigates a model-driven
approach to estimate RR from short audio segments obtained after physical
exertion in healthy adults. Data was collected from 21 individuals using
microphone-enabled, near-field headphones before, during, and after strenuous
exercise. RR was manually annotated by counting perceived inhalations and
exhalations. A multi-task Long-Short Term Memory (LSTM) network with
convolutional layers was implemented to process mel-filterbank energies,
estimate RR in varying background noise conditions, and predict heavy
breathing, indicated by an RR of more than 25 breaths per minute. The
multi-task model performs both classification and regression tasks and
leverages a mixture of loss functions. It was observed that RR can be estimated
with a concordance correlation coefficient (CCC) of 0.76 and a mean squared
error (MSE) of 0.2, demonstrating that audio can be a viable signal for
approximating RR.
- Abstract(参考訳): 呼吸速度 (rr) は、健康と体力の全体を評価するために用いられる臨床指標である。
個人のRRは、慢性疾患の症状(喘息、心不全など)、急性疾患(感染症による無呼吸症など)、運動の激化に伴う身体的疲労による一日中、ベースラインから変化することができる。
RRのリモート推定は、時間とともに疾患の進行と心呼吸フィットネスを追跡するためのコスト効率の良い方法を提供することができる。
本研究は、健常成人の身体運動後に得られた短い音声セグメントからrrを推定するモデル駆動アプローチについて検討する。
エクササイズ前、中、および後、マイク対応の近場ヘッドフォンを使用して21人の個人からデータを収集した。
RRは吸入と吸入の知覚で手動でアノテートした。
畳み込み層を有する多タスクのlong-short term memory (lstm) ネットワークを実装し、メルフィルタバンクのエネルギーを処理し、様々なバックグラウンドノイズ条件でrrを推定し、毎分25息以上のrrで示される重呼吸を予測する。
マルチタスクモデルは分類と回帰のタスクの両方を実行し、損失関数の混合を利用する。
RRは0.76の一致相関係数(CCC)と0.2の平均2乗誤差(MSE)で推定でき、音声がRRを近似するための実行可能な信号であることを示す。
関連論文リスト
- ResFlow: Fine-tuning Residual Optical Flow for Event-based High Temporal Resolution Motion Estimation [50.80115710105251]
イベントカメラは、高時間分解能(HTR)モーション推定に重要な可能性を秘めている。
イベントデータを用いてHTR光流を推定するための残差に基づくパラダイムを提案する。
論文 参考訳(メタデータ) (2024-12-12T09:35:47Z) - Pre-Trained Foundation Model representations to uncover Breathing patterns in Speech [2.935056044470713]
呼吸速度(英: respiratory rate, RR)は、個人の健康、フィットネス、健康全般を評価するために用いられる重要な指標である。
RRを測定するための既存のアプローチは、特殊装備や訓練を用いて実施されている。
機械学習アルゴリズムは、バイオセンサー信号を入力としてRRを推定できることを示した。
論文 参考訳(メタデータ) (2024-07-17T21:57:18Z) - Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。
周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。
本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
論文 参考訳(メタデータ) (2024-04-30T21:53:11Z) - Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and
Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the
Human Connectome Development Cohort [55.41644538483948]
本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。
その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
論文 参考訳(メタデータ) (2023-07-03T18:06:36Z) - Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。
オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。
我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
論文 参考訳(メタデータ) (2022-11-22T11:35:14Z) - RRWaveNet: A Compact End-to-End Multi-Scale Residual CNN for Robust PPG
Respiratory Rate Estimation [0.6464087844700315]
RRの変化は、心臓病、肺疾患、睡眠障害などの深刻な医療イベントを反映できるため、呼吸速度(RR)は重要なバイオマーカーである。
標準RRカウントはヒューマンエラーを起こしやすいため、連続的に実行することはできない。
本研究では,RRWaveNetを連続的に推定する手法を提案する。
論文 参考訳(メタデータ) (2022-08-18T07:11:34Z) - A Deep Learning Based Multitask Network for Respiration Rate Estimation
-- A Practical Perspective [1.290382979353427]
本稿では,心電図および加速度計信号から瞬時および平均呼吸速度を推定するための,ディープラーニング(DL)に基づくマルチタスクアーキテクチャを提案する。
提案モデルでは, 動作の異なる個々のモダリティよりも, 全体的な精度が向上し, より良好な結果が得られた。
論文 参考訳(メタデータ) (2021-12-13T11:33:42Z) - 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) - 2-D Respiration Navigation Framework for 3-D Continuous Cardiac Magnetic
Resonance Imaging [61.701281723900216]
連続スキャン中に2次元呼吸情報を得るためのサンプリング適応を提案する。
我々は、取得した信号から異なる呼吸状態を抽出し、ある呼吸相からデータを再構成するパイプラインを開発した。
論文 参考訳(メタデータ) (2020-12-26T08:29:57Z) - Multispectral Video Fusion for Non-contact Monitoring of Respiratory
Rate and Apnea [7.300192965401497]
呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。
本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。
本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
論文 参考訳(メタデータ) (2020-04-21T09:07:09Z)
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。