Fugu-MT 論文翻訳(概要): MoRe-Fi: Motion-robust and Fine-grained Respiration Monitoring via Deep-Learning UWB Radar

論文の概要: MoRe-Fi: Motion-robust and Fine-grained Respiration Monitoring via Deep-Learning UWB Radar

arxiv url: http://arxiv.org/abs/2111.08195v1
Date: Tue, 16 Nov 2021 02:48:16 GMT
ステータス: 処理完了
システム内更新日: 2021-11-17 16:22:57.007537
Title: MoRe-Fi: Motion-robust and Fine-grained Respiration Monitoring via Deep-Learning UWB Radar
Title（参考訳）: MoRe-Fi:深層学習UWBレーダによるモーションロバスト・微粒呼吸モニタリング
Authors: Tianyue Zheng, Zhe Chen, Shujie Zhang, Chao Cai, Jun Luo
Abstract要約: 高周波による非接触センシングは、深層学習の助けを借りて呼吸波形を蒸留する可能性がある。 MoRe-Fiは、データ拡張のために複雑なレーダー信号を利用する新しい変分エンコーダデコーダネットワークである。 12名の被験者と66時間データによる実験により,身体運動による干渉にもかかわらず,MoRe-Fiは呼吸波形を正確に回復することが示された。
参考スコア（独自算出の注目度）: 9.009867241110518
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Crucial for healthcare and biomedical applications, respiration monitoring often employs wearable sensors in practice, causing inconvenience due to their direct contact with human bodies. Therefore, researchers have been constantly searching for contact-free alternatives. Nonetheless, existing contact-free designs mostly require human subjects to remain static, largely confining their adoptions in everyday environments where body movements are inevitable. Fortunately, radio-frequency (RF) enabled contact-free sensing, though suffering motion interference inseparable by conventional filtering, may offer a potential to distill respiratory waveform with the help of deep learning. To realize this potential, we introduce MoRe-Fi to conduct fine-grained respiration monitoring under body movements. MoRe-Fi leverages an IR-UWB radar to achieve contact-free sensing, and it fully exploits the complex radar signal for data augmentation. The core of MoRe-Fi is a novel variational encoder-decoder network; it aims to single out the respiratory waveforms that are modulated by body movements in a non-linear manner. Our experiments with 12 subjects and 66-hour data demonstrate that MoRe-Fi accurately recovers respiratory waveform despite the interference caused by body movements. We also discuss potential applications of MoRe-Fi for pulmonary disease diagnoses.
Abstract（参考訳）: 医療や生物医学の分野では、呼吸モニタリングはウェアラブルセンサーを実際に使用することが多く、人体との直接の接触によって不便を生じさせる。そのため、研究者はコンタクトフリーの代替手段を常に探している。それでも、既存の接触のないデザインは、主に人間の被験者が静的のままでいなければならない。幸いなことに、高周波(RF)は接触のないセンシングを可能にするが、従来のフィルタリングでは分離できない動作干渉は深層学習の助けを借りて呼吸波形を蒸留する可能性がある。この可能性を実現するため,身体運動下で微細な呼吸監視を行うためにMoRe-Fiを導入する。 MoRe-FiはIR-UWBレーダーを利用してコンタクトレスセンシングを実現し、複雑なレーダー信号をデータ拡張に活用する。 more-fiの中核は、新しい変分エンコーダ-デコーダネットワークであり、体の動きによって変調される呼吸波形を非線形に分離することを目的としている。 12名の被験者と66時間データを用いた実験により,体動による干渉にもかかわらず,より正確な呼吸波形の回復が得られた。肺疾患診断におけるMoRe-Fiの有用性についても検討した。

関連論文リスト

The Useful Side of Motion: Using Head Motion Parameters to Correct for Respiratory Confounds in BOLD fMRI [0.4681661603096333]
呼吸は頭部の動きを誘発し、実際の動きや擬似的な動きを誘導する。推奨ノッチフィルターは呼吸誘発運動アーティファクトを緩和し、呼吸周波数帯のバンドパスフィルタが呼吸誘発頭部運動を分離することを示唆する。本研究では,推定頭部運動パラメータを統合することで静止状態BOLD-fMRIデータからRV推定精度を向上させることを目的とする。
論文参考訳（メタデータ） (2024-10-16T17:58:20Z)
Neuro-Symbolic Fusion of Wi-Fi Sensing Data for Passive Radar with Inter-Modal Knowledge Transfer [10.388561519507471]
本稿では,Wi-FiセンシングのためのニューロシンボリックアーキテクチャであるDeepProbHARを紹介する。これは、Wi-Fi信号が脚や腕の動きなどの単純な動きと区別できるという最初の証拠を提供する。 DeepProbHARは、人間の活動認識における最先端技術に匹敵する結果を達成している。
論文参考訳（メタデータ） (2024-07-01T08:43:27Z)
Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文参考訳（メタデータ） (2023-12-08T13:50:30Z)
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)
Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
論文参考訳（メタデータ） (2023-05-10T07:05:43Z)
Noncontact Respiratory Anomaly Detection Using Infrared Light-Wave Sensing [0.1759252234439348]
異常な呼吸は、さらなる診断と治療につながる致命的な健康上の問題を示す可能性がある。本研究では,人間の呼吸パターンを模倣するロボットを用いて,正常および異なる種類の呼吸異常をシミュレートした。赤外線センシング技術を用いて時系列呼吸データを収集した。
論文参考訳（メタデータ） (2023-01-09T23:19:40Z)
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)
MDPose: Human Skeletal Motion Reconstruction Using WiFi Micro-Doppler Signatures [4.92674421365689]
WiFiマイクロドップラーシグネチャに基づくヒト骨格運動再建のための新しいフレームワークであるMDPoseを提案する。 17個のキーポイントを持つ骨格モデルを再構築することで、人間の活動を追跡する効果的なソリューションを提供する。 MDPoseは最先端のRFベースのポーズ推定システムより優れている。
論文参考訳（メタデータ） (2022-01-11T21:46:28Z)
Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-11-12T20:02:00Z)
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)
Super Low Resolution RF Powered Accelerometers for Alerting on Hospitalized Patient Bed Exits [3.2654923574107357]
転倒は重篤な結果であり、高齢者を介護する急性病院や老人ホームで流行している。転倒のリスクを軽減するための技術介入は、自動でベッドからのイベントを監視し、医療従事者にタイムリーな監視を提供するよう警告する。患者活動に関連する周波数領域情報は, 主に低頻度で存在している。無線周波数識別(RFID)技術を用いた電池レスセンシング方式について検討し,病院ガウンなどの衣服への便利な統合の可能性について検討した。
論文参考訳（メタデータ） (2020-03-19T00:58:30Z)

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。