論文の概要: An Energy Efficient Health Monitoring Approach with Wireless Body Area Networks

• arxiv url: http://arxiv.org/abs/2109.14546v1
• Date: Mon, 27 Sep 2021 18:52:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-30 14:31:48.180617
• Title: An Energy Efficient Health Monitoring Approach with Wireless Body Area Networks
• Title（参考訳）: ワイヤレスボディエリアネットワークを用いた省エネルギー型健康モニタリング手法
• Authors: Seemandhar Jain, Prarthi Jain, Prabhat K. Upadhyay, Jules M. Moualeu, Abhishek Srivastava
• Abstract要約: 無線ボディエリアネットワーク (Wireless Body Area Networks, WBANs) は、体表面近くに配置されたセンサーのネットワークである。 本稿では, エネルギーの保全と健康状態の検知のための, シンプルながら革新的なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.251108888213167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wireless Body Area Networks (WBANs) comprise a network of sensors subcutaneously implanted or placed near the body surface and facilitate continuous monitoring of health parameters of a patient. Research endeavours involving WBAN are directed towards effective transmission of detected parameters to a Local Processing Unit (LPU, usually a mobile device) and analysis of the parameters at the LPU or a back-end cloud. An important concern in WBAN is the lightweight nature of WBAN nodes and the need to conserve their energy. This is especially true for subcutaneously implanted nodes that cannot be recharged or regularly replaced. Work in energy conservation is mostly aimed at optimising the routing of signals to minimise energy expended. In this paper, a simple yet innovative approach to energy conservation and detection of alarming health status is proposed. Energy conservation is ensured through a two-tier approach wherein the first tier eliminates `uninteresting' health parameter readings at the site of a sensing node and prevents these from being transmitted across the WBAN to the LPU. A reading is categorised as uninteresting if it deviates very slightly from its immediately preceding reading and does not provide new insight on the patient's well being. In addition to this, readings that are faulty and emanate from possible sensor malfunctions are also eliminated. These eliminations are done at the site of the sensor using algorithms that are light enough to effectively function in the extremely resource-constrained environments of the sensor nodes. We notice, through experiments, that this eliminates and thus reduces around 90% of the readings that need to be transmitted to the LPU leading to significant energy savings. Furthermore, the proper functioning of these algorithms in such constrained environments is confirmed and validated over a hardware simulation set up. The second tier of assessment includes a proposed anomaly detection model at the LPU that is capable of identifying anomalies from streaming health parameter readings and indicates an adverse medical condition. In addition to being able to handle streaming data, the model works within the resource-constrained environments of an LPU and eliminates the need of transmitting the data to a back-end cloud, ensuring further energy savings. The anomaly detection capability of the model is validated using data available from the critical care units of hospitals and is shown to be superior to other anomaly detection techniques.
• Abstract（参考訳）: 無線ボディエリアネットワーク(wbans)は、皮膚に埋もれたり、体表面の近くに設置されたりするセンサーのネットワークで構成され、患者の健康パラメータの継続的な監視を容易にする。 WBANを含む研究成果は、検出されたパラメータをローカル処理ユニット(LPU、通常はモバイルデバイス)に効果的に送信し、LPUやバックエンドクラウドでのパラメータの分析に向けられている。 WBANの重要な関心事は、WBANノードの軽量な性質と、そのエネルギーを保存する必要性である。 これは、チャージや定期的に交換できない皮下移植されたノードに特に当てはまる。 省エネルギーの研究は、エネルギー消費を最小限に抑えるために信号の経路を最適化することを目的としている。 本稿では, エネルギー保全とアラームの健康状態検出のための, シンプルながら革新的なアプローチを提案する。 エネルギーの保護は、第1層が感知ノードの部位における「興味のない」健康パラメータの読み出しを排除し、これらがWBANを介してLPUに伝達されるのを防ぐ2層アプローチによって確保される。 読みは、直前の読みからわずかに逸脱し、患者の健康に関する新たな洞察を与えなければ、興味をそそるものではないと分類される。 これに加えて、センサーの故障の可能性から誤読し、発散する読みも排除される。 これらの除去は、センサーノードの極めてリソースに制約された環境で効果的に機能するほど軽量なアルゴリズムを使用して、センサーの現場で行われる。 実験を通して、これによってLPUに送信する必要がある読み出しの約90%が削減され、大幅な省エネに繋がることに気づきました。 さらに、これらの制約された環境でのアルゴリズムの適切な機能を確認し、ハードウェアシミュレーションにより検証する。 第2段階の評価は、ストリーミングヘルスパラメータから異常を識別し、有害な医療状態を示すLPUで提案された異常検出モデルを含む。 ストリーミングデータの処理に加えて、モデルはLPUのリソース制限された環境内で動作し、データをバックエンドクラウドに送信する必要をなくし、さらなる省エネを確保する。 このモデルの異常検出能力は、病院のクリティカルケアユニットから得られるデータを用いて検証され、他の異常検出技術よりも優れていることが示されている。

関連論文リスト

• TinyML NLP Approach for Semantic Wireless Sentiment Classification [49.801175302937246]
  本稿では,エネルギー効率のよいプライバシ保護型小型機械学習(MLTiny)方式としてスプリットラーニング(SL)を導入する。 その結果,SLは高い精度を維持しながら処理能力とCO2排出量を低減し,FLは効率とプライバシのバランスのとれた妥協を提供することがわかった。
  論文  参考訳（メタデータ） (2024-11-09T21:26:59Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• Sensor Placement for Learning in Flow Networks [6.680930089714339]
  本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
  論文  参考訳（メタデータ） (2023-12-12T01:08:08Z)
• Plausibility Verification For 3D Object Detectors Using Energy-Based Optimization [0.0]
  この作業は、妥当性フレームワークを提案し、MonoRUnモデルから3Dオブジェクトの提案を検証することを目的としている。 また、エネルギーモデルを表す複合エネルギー関数の最適化を改善するために、2段階の新たなスキーマを用いる。
  論文  参考訳（メタデータ） (2022-11-02T15:35:16Z)
• Grasp-and-Lift Detection from EEG Signal Using Convolutional Neural Network [1.869097450593631]
  本稿では,32チャネル脳波信号から手動動作ビズGALを検出する手法を自動化した。 提案したパイプラインは、基本的には前処理とエンドツーエンド検出ステップを組み合わせたもので、手作りの機能エンジニアリングの必要性を排除している。
  論文  参考訳（メタデータ） (2022-02-12T19:27:06Z)
• A Deep Learning Technique using Low Sampling rate for residential Non Intrusive Load Monitoring [0.19662978733004596]
  非侵入負荷監視(Non-Inrusive Load Monitoring、NILM)は、ブラインドソース分離の問題である。 低周波電力データ上で負荷分散を行うための,新しいディープニューラルネットワークに基づくアプローチを提案する。 私たちのニューラルネットワークは、需要側の詳細なフィードバックを生成し、エンドユーザに重要な洞察を提供することができます。
  論文  参考訳（メタデータ） (2021-11-07T23:01:36Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• A reconfigurable neural network ASIC for detector front-end data compression at the HL-LHC [0.40690419770123604]
  ニューラルネットワークのオートエンコーダモデルを放射線耐性ASICに実装して、損失のあるデータ圧縮を行うことができる。 これは、粒子物理学アプリケーション用に設計されたニューラルネットワークの耐放射線性オンディテクタASIC実装である。
  論文  参考訳（メタデータ） (2021-05-04T18:06:23Z)
• Wirelessly Powered Federated Edge Learning: Optimal Tradeoffs Between Convergence and Power Transfer [42.30741737568212]
  無線電力伝送(WPT)を用いた電力機器の解法を提案する。 本研究の目的は、無線で駆動するFEEL(WP-FEEL)システムの導入に関するガイドラインの導出である。 その結果、WPTプロビジョニングに関する有用なガイドラインを提供し、学習パフォーマンスの保証を提供します。
  論文  参考訳（メタデータ） (2021-02-24T15:47:34Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Defending Water Treatment Networks: Exploiting Spatio-temporal Effects for Cyber Attack Detection [46.67179436529369]
  水処理ネットワーク(WTN)は地域社会と公衆衛生にとって重要なインフラであり、WTNはサイバー攻撃に弱い。 WTNにおけるサイバー攻撃の時間的特性をモデル化し,WTNを防御する構造的異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-26T15:56:55Z)

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。