論文の概要: A Deep Learning Based Multitask Network for Respiration Rate Estimation -- A Practical Perspective

• arxiv url: http://arxiv.org/abs/2112.09071v1
• Date: Mon, 13 Dec 2021 11:33:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-17 16:21:47.981392
• Title: A Deep Learning Based Multitask Network for Respiration Rate Estimation -- A Practical Perspective
• Title（参考訳）: 深層学習に基づく呼吸速度推定のためのマルチタスクネットワーク -- 実践的視点
• Authors: Kapil Singh Rathore, Sricharan Vijayarangan, Preejith SP, Mohanasankar Sivaprakasam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.290382979353427
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The exponential rise in wearable sensors has garnered significant interest in assessing the physiological parameters during day-to-day activities. Respiration rate is one of the vital parameters used in the performance assessment of lifestyle activities. However, obtrusive setup for measurement, motion artifacts, and other noises complicate the process. This paper presents a multitasking architecture based on Deep Learning (DL) for estimating instantaneous and average respiration rate from ECG and accelerometer signals, such that it performs efficiently under daily living activities like cycling, walking, etc. The multitasking network consists of a combination of Encoder-Decoder and Encoder-IncResNet, to fetch the average respiration rate and the respiration signal. The respiration signal can be leveraged to obtain the breathing peaks and instantaneous breathing cycles. Mean absolute error(MAE), Root mean square error (RMSE), inference time, and parameter count analysis has been used to compare the network with the current state of art Machine Learning (ML) model and other DL models developed in previous studies. Other DL configurations based on a variety of inputs are also developed as a part of the work. The proposed model showed better overall accuracy and gave better results than individual modalities during different activities.
• Abstract（参考訳）: ウェアラブルセンサーの指数的な増加は、日々の活動における生理的パラメータの評価に大きな関心を寄せている。 呼吸速度は生活習慣活動の性能評価において重要な指標の一つである。 しかし、計測、運動アーティファクト、その他のノイズに対する強迫的なセットアップはプロセスを複雑にする。 本稿では,心電図や加速度計の信号から瞬時および平均呼吸率を推定するための,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。 マルチタスクネットワークは、平均呼吸率と呼吸信号を取得するために、Encoder-DecoderとEncoder-IncResNetの組み合わせで構成される。 呼吸信号を利用して呼吸ピーク及び即時呼吸サイクルを得ることができる。 平均絶対誤差(mae)、ルート平均二乗誤差(rmse)、推論時間、パラメータカウント分析は、以前の研究で開発されたアート機械学習(ml)モデルや他のdlモデルとネットワークを比較している。 様々な入力に基づく他のDL構成も作業の一部として開発されている。 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, 良好な結果が得られた。

関連論文リスト

• Reinforcement Learning with Action Sequence for Data-Efficient Robot Learning [62.3886343725955]
  本稿では,行動列上のQ値を出力する批判ネットワークを学習する新しいRLアルゴリズムを提案する。 提案アルゴリズムは,現在および将来の一連の行動の実行結果を学習するために値関数を明示的に訓練することにより,ノイズのある軌道から有用な値関数を学習することができる。
  論文  参考訳（メタデータ） (2024-11-19T01:23:52Z)
• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• 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)
• Efficient Adaptive Human-Object Interaction Detection with Concept-guided Memory [64.11870454160614]
  概念誘導メモリ(ADA-CM)を用いた適応型HOI検出器を提案する。 ADA-CMには2つの操作モードがある。最初のモードでは、トレーニング不要のパラダイムで新しいパラメータを学習することなくチューニングできる。 提案手法は, HICO-DET と V-COCO のデータセットに対して, より少ないトレーニング時間で, 最新技術による競合的な結果を得る。
  論文  参考訳（メタデータ） (2023-09-07T13:10:06Z)
• Latent Temporal Flows for Multivariate Analysis of Wearables Data [0.9990687944474738]
  本稿では,この設定に適した時系列の多変量モデリング手法であるLatent Temporal Flowsを紹介する。 提案手法は,マルチステップ予測ベンチマークにおいて常に最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-14T02:54:34Z)
• Encoding Cardiopulmonary Exercise Testing Time Series as Images for Classification using Convolutional Neural Network [9.227037203895533]
  エクササイズテストは半世紀以上にわたって利用可能であり、様々な疾患の患者の診断および予後情報のための汎用的なツールである。 本研究では,Glamian Angular Field と Markov Transition Field を用いて時系列を画像としてエンコードする。 心不全とメタボリックシンドロームの分類において,畳み込みニューラルネットワークとアテンションプールアプローチを用いて検討した。
  論文  参考訳（メタデータ） (2022-04-26T16:49:06Z)
• 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)
• Wearable Respiration Monitoring: Interpretable Inference with Context and Sensor Biomarkers [5.065947993017157]
  呼吸速度(BR)、微小換気(VE)、その他の呼吸パラメータは、喘息などの多くの急性疾患のリアルタイムモニタリングに不可欠である。 本研究では,ウェアラブル心電図と手首動作信号から呼吸パラメータを推定する。
  論文  参考訳（メタデータ） (2020-07-02T22:12:49Z)
• Motion Pyramid Networks for Accurate and Efficient Cardiac Motion Estimation [51.72616167073565]
  本研究では,心臓の運動推定を高精度かつ効率的に行うための,ディープラーニングに基づく新しいアプローチであるMotion Pyramid Networksを提案する。 我々は、複数の特徴表現から運動場のピラミッドを予測し、融合し、より洗練された運動場を生成する。 そこで我々は,新しい循環型教員教育戦略を用いて,推論をエンドツーエンドにし,トラッキング性能をさらに向上させる。
  論文  参考訳（メタデータ） (2020-06-28T21:03:19Z)

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。