論文の概要: Camera-Based Physiological Sensing: Challenges and Future Directions
- arxiv url: http://arxiv.org/abs/2110.13362v1
- Date: Tue, 26 Oct 2021 02:30:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-27 15:43:29.158996
- Title: Camera-Based Physiological Sensing: Challenges and Future Directions
- Title（参考訳）: カメラを用いた生理センシング : 課題と今後の展望
- Authors: Xin Liu, Shwetak Patel, Daniel McDuff
- Abstract要約: 我々は、カメラベースの生理学的センシングとより広範なAI駆動型医療コミュニティの分野における4つの研究課題を特定した。
これらの課題を解決することで、医療に正確で公平で汎用的なAIシステムを提供できると信じています。
- 参考スコア（独自算出の注目度）: 5.571184025017747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Numerous real-world applications have been driven by the recent algorithmic
advancement of artificial intelligence (AI). Healthcare is no exception and AI
technologies have great potential to revolutionize the industry. Non-contact
camera-based physiological sensing, including remote photoplethysmography
(rPPG), is a set of imaging methods that leverages ordinary RGB cameras (e.g.,
webcam or smartphone camera) to capture subtle changes in electromagnetic
radiation (e.g., light) reflected by the body caused by physiological
processes. Because of the relative ubiquity of cameras, these methods not only
have the ability to measure the signals without contact with the body but also
have the opportunity to capture multimodal information (e.g., facial
expressions, activities and other context) from the same sensor. However,
developing accessible, equitable and useful camera-based physiological sensing
systems comes with various challenges. In this article, we identify four
research challenges for the field of camera-based physiological sensing and
broader AI driven healthcare communities and suggest future directions to
tackle these. We believe solving these challenges will help deliver accurate,
equitable and generalizable AI systems for healthcare that are practical in
real-world and clinical contexts.
- Abstract（参考訳）: 最近の人工知能(AI)のアルゴリズムの進歩によって、多くの現実世界の応用が推進されている。
ヘルスケアは例外ではなく、AI技術は業界に革命をもたらす大きな可能性を秘めている。
リモート光胸腺撮影(remote photoplethysmography, RPPG)は、通常のRGBカメラ(例えばウェブカメラやスマートフォンカメラ)を利用して、生理学的プロセスによって反射される身体からの電磁波(例えば、光)の微妙な変化を捉える画像のセットである。
カメラの相対的なユビキタス性のため、これらの方法は、身体に接触せずに信号を計測するだけでなく、同じセンサーから複数のモーダル情報(例えば、表情、アクティビティ、その他のコンテキスト)をキャプチャする機会を持っている。
しかし、アクセシブルで公平で有用なカメラベースの生理学的センシングシステムの開発には様々な課題が伴う。
本稿では、カメラベースの生理学的センシングとより広範なAI駆動型医療コミュニティの分野における4つの研究課題を特定し、これらに取り組むための今後の方向性を提案する。
これらの課題の解決は、現実と臨床の状況において実践的な医療のための正確で公平で汎用的なAIシステムを実現するのに役立ちます。
関連論文リスト
- Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。
人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。
本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
論文 参考訳（メタデータ） (2024-04-29T04:51:05Z) - A Health Monitoring System Based on Flexible Triboelectric Sensors for
Intelligence Medical Internet of Things and its Applications in Virtual
Reality [4.522609963399036]
Internet of Medical Things (IoMT)は、IoT(Internet of Things)テクノロジと医療アプリケーションを組み合わせたプラットフォームである。
本研究では、フレキシブルな三体電センサと深層学習支援データ分析の相乗的統合により、堅牢でインテリジェントなIoMTシステムを設計した。
パーキンソン病(PD)患者の手首の動きを検知・解析するために4つの三体電センサをリストバンドに組み込んだ。
この革新的なアプローチにより、PD患者の微妙な動きと微妙な運動を正確に捉え、精査することが可能となり、患者の状況に対する洞察と総合的な評価が得られた。
論文 参考訳（メタデータ） (2023-09-13T01:01:16Z) - Decisive Data using Multi-Modality Optical Sensors for Advanced
Vehicular Systems [1.3315340349412819]
本稿では、最先端の前方視システムと車内運転監視システムの設計・開発のための様々な光学技術に焦点を当てる。
焦点を絞った光学センサーには、Longwave Thermal Imaging (LWIR)カメラ、Near Infrared (NIR)カメラ、Neuromorphic/イベントカメラ、Visible CMOSカメラ、Depthカメラなどがある。
論文 参考訳（メタデータ） (2023-07-25T16:03:47Z) - Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG [2.82697733014759]
r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。
本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
論文 参考訳（メタデータ） (2023-07-24T09:35:47Z) - Object Motion Sensitivity: A Bio-inspired Solution to the Ego-motion
Problem for Event-based Cameras [0.0]
我々は、CMOSイメージセンサ(IRIS)における第2世代のニューロモルフィック画像センサ、統合網膜機能について強調する。
IRISは、光受容体から網膜の出力への完全な網膜計算を模倣し、特徴抽出を目的とする。
この結果から,OMSは従来のRGBやDVSと同様の効率で標準的なコンピュータビジョンタスクを実現できるが,帯域幅の大幅な削減が期待できることがわかった。
論文 参考訳（メタデータ） (2023-03-24T16:22:06Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - Physics Embedded Machine Learning for Electromagnetic Data Imaging [83.27424953663986]
電磁法(EM)イメージングは、セキュリティ、バイオメディシン、地球物理学、各種産業のセンシングに広く応用されている。
機械学習(ML)技術,特に深層学習(DL)技術は,高速かつ正確な画像化の可能性を秘めている。
本稿では、学習に基づくEMイメージングに物理を取り入れる様々なスキームについて検討する。
論文 参考訳（メタデータ） (2022-07-26T02:10:15Z) - Camera Measurement of Physiological Vital Signs [2.538209532048867]
バイタルサインのカメラ計測は、画像装置を利用して人体の画像を分析することによって生理的変化を計算する。
光学、機械学習、コンピュータビジョン、医学の進歩に基づくこれらの技術は、デジタルカメラの発明以来大きく進歩してきた。
私は臨床応用と非臨床応用の両方を取り上げ、これらの応用が概念実証から前進するために克服すべき課題を取り上げます。
論文 参考訳（メタデータ） (2021-11-22T21:44:26Z) - Photonics for artificial intelligence and neuromorphic computing [52.77024349608834]
フォトニック集積回路は超高速な人工ニューラルネットワークを可能にした。
フォトニックニューロモルフィックシステムはナノ秒以下のレイテンシを提供する。
これらのシステムは、機械学習と人工知能の需要の増加に対応する可能性がある。
論文 参考訳（メタデータ） (2020-10-30T21:41:44Z) - OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。
我々は,多方向高解像度触覚センサOmniTactを紹介する。
我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
論文 参考訳（メタデータ） (2020-03-16T01:31:29Z)
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。