論文の概要: Signal Quality Assessment of Photoplethysmogram Signals using Quantum
Pattern Recognition and lightweight CNN Architecture
- arxiv url: http://arxiv.org/abs/2202.00606v1
- Date: Tue, 1 Feb 2022 17:53:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-02 15:29:35.751346
- Title: Signal Quality Assessment of Photoplethysmogram Signals using Quantum
Pattern Recognition and lightweight CNN Architecture
- Title（参考訳）: 量子パターン認識と軽量CNNアーキテクチャを用いたフォトプレソグラム信号の信号品質評価
- Authors: Tamaghno Chatterjee, Aayushman Ghosh and Sayan Sarkar
- Abstract要約: 光胸腺造影(PPG)信号は、呼吸の健康に関する生理的情報を含んでいる。
記録中、これらのPSG信号は動きのアーティファクトや身体の動きによって容易に破損し、ノイズが富み、質の悪い信号となる。
本研究では,新しい量子パターン認識(QPR)技術を用いた信号品質評価のための軽量CNNアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 1.160208922584163
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Photoplethysmography (PPG) signal comprises physiological information related
to cardiorespiratory health. However, while recording, these PPG signals are
easily corrupted by motion artifacts and body movements, leading to noise
enriched, poor quality signals. Therefore ensuring high-quality signals is
necessary to extract cardiorespiratory information accurately. Although there
exists several rule-based and Machine-Learning (ML) - based approaches for PPG
signal quality estimation, those algorithms' efficacy is questionable. Thus,
this work proposes a lightweight CNN architecture for signal quality assessment
employing a novel Quantum pattern recognition (QPR) technique. The proposed
algorithm is validated on manually annotated data obtained from the University
of Queensland database. A total of 28366, 5s signal segments are preprocessed
and transformed into image files of 20 x 500 pixels. The image files are
treated as an input to the 2D CNN architecture. The developed model classifies
the PPG signal as `good' or `bad' with an accuracy of 98.3% with 99.3%
sensitivity, 94.5% specificity and 98.9% F1-score. Finally, the performance of
the proposed framework is validated against the noisy `Welltory app' collected
PPG database. Even in a noisy environment, the proposed architecture proved its
competence. Experimental analysis concludes that a slim architecture along with
a novel Spatio-temporal pattern recognition technique improve the system's
performance. Hence, the proposed approach can be useful to classify good and
bad PPG signals for a resource-constrained wearable implementation.
- Abstract（参考訳）: photoplethysmography (ppg) 信号は、心肺の健康に関連する生理的情報を含んでいる。
しかし、記録中、これらのppg信号は運動アーチファクトや体の動きによって容易に破壊され、ノイズが濃厚で品質の悪い信号に繋がる。
したがって、呼吸情報を正確に抽出するには高品質な信号を確保する必要がある。
PPG信号の品質評価にはルールベースと機械学習(ML)ベースのアプローチがいくつか存在するが、アルゴリズムの有効性には疑問がある。
そこで本研究では,新しい量子パターン認識(QPR)技術を用いた信号品質評価のための軽量CNNアーキテクチャを提案する。
提案アルゴリズムはクイーンズランド大学データベースから手動で得られた注釈付きデータに基づいて検証される。
合計28366, 5s信号セグメントは前処理され、20×500ピクセルの画像ファイルに変換される。
画像ファイルは、2D CNNアーキテクチャの入力として扱われる。
開発したモデルは、ppg信号を99.3%の感度、94.5%の特異性、98.9%のf1-scoreを持つ98.3%の精度で‘good’または‘bad’と分類する。
最後に,提案フレームワークの性能を,<Welltory app' 収集 PPG データベースのノイズに対して検証する。
ノイズの多い環境でも、提案されたアーキテクチャはその能力を示した。
実験解析により,スリムアーキテクチャと新しい時空間パターン認識技術によりシステムの性能が向上した。
したがって,提案手法は,資源に制約のあるウェアラブル実装のための良質なppg信号と悪質なppg信号の分類に有用である。
関連論文リスト
- BAND-2k: Banding Artifact Noticeable Database for Banding Detection and
Quality Assessment [52.1640725073183]
バンディングは階段のような輪郭としても知られ、圧縮または量子化アルゴリズムによって処理された画像やビデオの平坦な領域で頻繁に発生する。
これまでに2000枚のバンド化画像からなるBanding Artifact Noticeable Database (BAND-2k) という,最大のBanding IQAデータベースを構築した。
デュアル畳み込みニューラルネットワークを用いて、高周波および低周波マップから特徴表現を同時に学習する。
論文 参考訳（メタデータ） (2023-11-29T15:56:31Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Development of a Novel Quantum Pre-processing Filter to Improve Image
Classification Accuracy of Neural Network Models [1.2965700352825555]
本稿では,ニューラルネットワーク(NN)モデルの画像分類精度を向上させるために,新しい量子前処理フィルタ(QPF)を提案する。
その結果,MNIST (手書き10桁) とEMNIST (手書き47桁と文字) のデータセットに基づく画像分類精度を向上させることができた。
しかし,43種類の実生活交通標識画像を用いた比較的複雑なGTSRBデータセットに対するQPF手法による検証の結果,分類精度の低下が認められた。
論文 参考訳（メタデータ） (2023-08-22T01:27:04Z) - PACMAN: a framework for pulse oximeter digit detection and reading in a
low-resource setting [0.42897826548373363]
新型コロナウイルスのパンデミックを受けて、患者は毎日の酸素飽和度(SpO2)とパルスレート(PR)値を健康モニタリングシステムに手動で入力する必要がある。
光文字認識(OCR)を用いた捕獲画像からの生理的価値の検出の試み
本研究の目的は,低リソース深層学習型コンピュータビジョンを用いたPACMANという新しいフレームワークを提案することである。
論文 参考訳（メタデータ） (2022-12-09T16:22:28Z) - Distributional loss for convolutional neural network regression and
application to GNSS multi-path estimation [0.0]
本研究では,畳み込みニューラルネットワークを用いて画像から高次特徴表現を抽出する。
本手法の評価と説明のために,GNSS(Global Navigation Satellite System)マルチパス推定に適用した。
その結果, 分散損失を用いたソフトラベリングCNN手法は, 全ての条件下での古典的CNN回帰よりも優れていた。
論文 参考訳（メタデータ） (2022-06-03T09:45:12Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。
医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。
BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2022-03-29T08:41:17Z) - NeighCNN: A CNN based SAR Speckle Reduction using Feature preserving
Loss Function [1.7188280334580193]
NeighCNNは、乗法ノイズを処理するディープラーニングベースのスペックル削減アルゴリズムである。
様々な合成、および実際のSAR画像は、NeighCNNアーキテクチャのテストに使用される。
論文 参考訳（メタデータ） (2021-08-26T04:20:07Z) - ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed
Quality Labeling Using Neural Networks [69.25956542388653]
ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。
セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。
このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
論文 参考訳（メタデータ） (2020-05-11T16:29:12Z) - A Graph-constrained Changepoint Detection Approach for ECG Segmentation [5.209323879611983]
本稿では,前処理ステップを使わずにRピーク位置を確実に検出するための新しいグラフベース最適変化点検出法を提案する。
提案手法は,MIT-BIH不整脈データベース(MIT-BIH-AR)に基づいて,全体の感度 Sen = 99.76,正の予測率 PPR = 99.68,検出誤差率 DER = 0.55 を達成する。
論文 参考訳（メタデータ） (2020-04-24T23:41:41Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z)
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。