Fugu-MT 論文翻訳(概要): Accelerometer-based Bed Occupancy Detection for Automatic, Non-invasive Long-term Cough Monitoring

論文の概要: Accelerometer-based Bed Occupancy Detection for Automatic, Non-invasive Long-term Cough Monitoring

arxiv url: http://arxiv.org/abs/2202.03936v1
Date: Tue, 8 Feb 2022 15:38:34 GMT
ステータス: 処理完了
システム内更新日: 2022-02-09 18:06:14.537954
Title: Accelerometer-based Bed Occupancy Detection for Automatic, Non-invasive Long-term Cough Monitoring
Title（参考訳）: 加速度計を用いた非侵襲的長期カフモニタリングのためのベッド機能検出
Authors: Madhurananda Pahar, Igor Miranda, Andreas Diacon and Thomas Niesler
Abstract要約: 本稿では,スマートフォン内蔵加速度計から患者のベッド占有度を自動的に検出し,機械学習による長期コークスモニタリングシステムを提案する。結核(TB)治療中の成人7人の手動加速度信号の249時間データセットを収集した。その結果, TB療法で改善した患者は, 毎日のうっ血率を低下させていることがわかった。
参考スコア（独自算出の注目度）: 7.755952127616406
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a machine learning based long-term cough monitoring system by detecting patient's bed occupancy from a bed-attached smartphone-inbuilt accelerometer automatically. Previously this system was used to detect cough events successfully and long-term cough monitoring requires bed occupancy detection, as the initial experiments show that patients leave their bed very often for long period of time and using video-monitoring or pressure sensors are not patient-favourite alternatives. We have compiled a 249-hour dataset of manually-labelled acceleration signals gathered from seven adult male patients undergoing treatment for tuberculosis (TB). The bed occupancy detection process consists of three detectors, among which the first one classifies occupancy-change with high sensitivity, low specificity and the second one classifies occupancy-interval with high specificity, low sensitivity. The final state detector corrects the miss-classified sections. After using a leave-one-patient-out cross-validation scheme to train and evaluate four classifiers such as LR, MLP, CNN and LSTM; LSTM produces the highest area under the curve (AUC) of 0.94 while comparing the predicted bed occupancy as the output from the final state detector with the actual bed occupancy sample by sample. We have also calculated colony forming unit and time to positivity of the sputum samples of TB positive patients who were monitored for 14 days and the proposed system was used to predict daily cough rates. The results show that patients who improve under TB treatment have decreasing daily cough rates, indicating the proposed automatic, quick, non-invasive, non-intrusive, cost-effective long-term cough monitoring system can be extremely useful in monitoring patients' recovery rate.
Abstract（参考訳）: 本稿では,スマートフォン内蔵加速度計から患者のベッド占有度を自動的に検出し,機械学習による長期コークスモニタリングシステムを提案する。従来、このシステムはコークス現象を正常に検出するために用いられており、長時間の監視にはベッドの占有率検出が必要である。最初の実験では、患者が長時間ベッドを離れることが頻繁にあり、ビデオ監視や圧力センサーの使用は患者に好ましくない代替手段ではないことが示されている。結核(TB)治療中の成人7名を対象に,手動遅延加速度信号のデータセットを249時間作成した。ベッド占有度検出工程は、3つの検出器からなり、1つは高い感度、低い特異度で占有度変化を分類し、もう1つは高い特異度、低い感度で占有度相互作用を分類する。最終状態検出器はミス分類区間を補正する。 LR, MLP, CNN, LSTMの4つの分類器をトレーニングし評価するために, 退院患者のクロスバリデーションスキームを使用した後, LSTMは, 予測されたベッド占有率を最終状態検出器からの出力と実際のベッド占有率サンプルとを試料で比較しながら, 曲線(AUC)が0。また,14日間観察された結核菌陽性患者から採取した検体のコロニー形成単位と陽性率を算出し,提案システムを用いて1日あたりの枯渇率の予測を行った。以上の結果から, TB治療下で改善した患者は, 自動的, 迅速で非侵襲的, 非侵襲的, 費用対効果の低い長期モニタリングシステムにより, 患者の回復率のモニタリングに極めて有用であることが示唆された。

関連論文リスト

On the effectiveness of smartphone IMU sensors and Deep Learning in the detection of cardiorespiratory conditions [0.21987601456703473]
本研究は, 心肺疾患の早期スクリーニングのための, 取得プロトコルに基づく革新的な手法を提案する。 5つの異なる身体領域の加速度計とジャイロスコープで得られた呼吸動態を記録したデータセットを臨床的に収集した。本研究では,早期心肺疾患スクリーニングのためのエンド・ツー・エンドのディープラーニングパイプラインを提案する。
論文参考訳（メタデータ） (2024-08-27T18:29:47Z)
Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文参考訳（メタデータ） (2021-10-27T19:28:36Z)
Wake-Cough: cough spotting and cougher identification for personalised long-term cough monitoring [5.395757397475033]
「ウェイクカフ」は、Resnet50を用いたコーズへのウェイクワードスポッティングの応用である。ウェイクカフ(Wake-cough)は、個人化された非侵入的、粗いモニタリングシステムである。
論文参考訳（メタデータ） (2021-10-07T20:10:20Z)
SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文参考訳（メタデータ） (2021-10-01T23:01:20Z)
Automatic non-invasive Cough Detection based on Accelerometer and Audio Signals [6.004134549265193]
本稿では,加速度計と音声信号の両方に基づいて,自動的非侵襲的コークス検出手法を提案する。加速度信号は、その統合加速度計を使用して、患者のベッドにしっかりと取り付けられたスマートフォンによって捕捉される。結核クリニックの成人男性14名を対象に, 約6000頭, 68000頭, 約6000頭, 約68000頭について, 同時捕捉加速度と音声信号を含む手動注釈データセットを作成した。
論文参考訳（メタデータ） (2021-08-31T22:44:56Z)
Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
論文参考訳（メタデータ） (2021-08-07T23:05:18Z)
Quantification of pulmonary involvement in COVID-19 pneumonia by means of a cascade oftwo U-nets: training and assessment on multipledatasets using different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。 2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。 LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文参考訳（メタデータ） (2021-05-06T10:21:28Z)
Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文参考訳（メタデータ） (2021-03-30T09:59:56Z)
Deep Neural Network based Cough Detection using Bed-mounted Accelerometer Measurements [6.004134549265193]
我々は,患者のベッドに装着した加速度計から測定値に基づいて,うっ血検出を行った。この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
論文参考訳（メタデータ） (2021-02-09T18:04:35Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)
Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。