論文の概要: InsightNet: non-contact blood pressure measuring network based on face video

• arxiv url: http://arxiv.org/abs/2203.03634v1
• Date: Mon, 7 Mar 2022 07:06:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-10 06:12:11.783704
• Title: InsightNet: non-contact blood pressure measuring network based on face video
• Title（参考訳）: insightnet:顔ビデオに基づく非接触血圧測定ネットワーク
• Authors: Jialiang Zhuang and Bin Li and Yun Zhang and Xiujuan Zheng
• Abstract要約: 血圧データは、主にコンタクトセンサーを通じて取得され、高いメンテナンスが必要であり、不便で、一部の人々にとって親しみやすい。 本稿では,顔画像に基づく非接触血圧計測ネットワークを初めて提案する。
• 参考スコア（独自算出の注目度）: 9.824584818736032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blood pressure indicates cardiac function and peripheral vascular resistance and is critical for disease diagnosis. Traditionally, blood pressure data are mainly acquired through contact sensors, which require high maintenance and may be inconvenient and unfriendly to some people (e.g., burn patients). In this paper, an efficient non-contact blood pressure measurement network based on face videos is proposed for the first time. An innovative oversampling training strategy is proposed to handle the unbalanced data distribution. The input video sequences are first normalized and converted to our proposed YUVT color space. Then, the Spatio-temporal slicer encodes it into a multi-domain Spatio-temporal mapping. Finally, the neural network computation module, used for high-dimensional feature extraction of the multi-domain spatial feature mapping, after which the extracted high-dimensional features are used to enhance the time-domain feature association using LSTM, is computed by the blood pressure classifier to obtain the blood pressure measurement intervals. Combining the output of feature extraction and the result after classification, the blood pressure calculator, calculates the blood pressure measurement values. The solution uses a blood pressure classifier to calculate blood pressure intervals, which can help the neural network distinguish between the high-dimensional features of different blood pressure intervals and alleviate the overfitting phenomenon. It can also locate the blood pressure intervals, correct the final blood pressure values and improve the network performance. Experimental results on two datasets show that the network outperforms existing state-of-the-art methods.
• Abstract（参考訳）: 血圧は心機能と末梢血管抵抗を示し、疾患の診断に重要である。 伝統的に、血圧データは主にコンタクトセンサーを通じて取得され、高いメンテナンスを必要とし、一部の人々(例えば、燃える患者)にとって不便で不便である。 本稿では, 顔映像に基づく非接触血圧測定ネットワークを初めて提案する。 不均衡なデータ分散を扱うために,革新的なオーバーサンプリングトレーニング戦略を提案する。 入力ビデオシーケンスはまず正規化され、提案したYUVT色空間に変換される。 そして、時空間スライサがそれを多領域時空間マッピングに符号化する。 最後に、抽出された高次元特徴を用いてlstmを用いた時間領域特徴結合を強化する多領域空間特徴マッピングの高次元特徴抽出に用いられるニューラルネットワーク計算モジュールを血圧分類器によって算出し、血圧測定間隔を得る。 特徴抽出の出力と分類後の結果を組み合わせることで、血圧計は血圧測定値を算出する。 このソリューションは血圧分類器を使用して血圧間隔を計算し、ニューラルネットワークが血圧間隔の異なる高次元の特徴を区別し、オーバーフィッティング現象を緩和するのに役立つ。 また、血圧間隔を割り出し、最終的な血圧値を補正し、ネットワーク性能を向上させることもできる。 2つのデータセットの実験結果は、ネットワークが既存の最先端手法よりも優れていることを示している。

関連論文リスト

• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Hypertension Detection From High-Dimensional Representation of Photoplethysmogram Signals [38.497450879376]
  高血圧の早期発見は、重要な健康問題の予防に不可欠である。 いくつかの研究は、血圧と光胸腺図(PPG)のような特定のバイタルシグナルとの関係を示唆している。 本稿では, PPG信号を用いた高血圧検出のために, ランダム畳み込みカーネルに基づく高次元表現手法を提案する。
  論文  参考訳（メタデータ） (2023-07-31T00:09:23Z)
• DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler Signal [48.97719097435527]
  DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。 動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
  論文  参考訳（メタデータ） (2023-05-15T18:19:29Z)
• "Can't Take the Pressure?": Examining the Challenges of Blood Pressure Estimation via Pulse Wave Analysis [12.720627271774216]
  PPGパルス波解析から血圧予測の課題を分析する。 本稿では,入力信号が本当に望ましいラベルの予測器であるかどうかを判断するツールセットを提案する。
  論文  参考訳（メタデータ） (2023-04-23T20:15:09Z)
• A Deep Learning Approach to Predicting Collateral Flow in Stroke Patients Using Radiomic Features from Perfusion Images [58.17507437526425]
  側方循環は、血流を妥協した領域に酸素を供給する特殊な無酸素流路から生じる。 実際のグレーティングは主に、取得した画像の手動検査によって行われる。 MR灌流データから抽出した放射線学的特徴に基づいて,脳卒中患者の側方血流低下を予測するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-24T18:58:40Z)
• A Novel Clustering-Based Algorithm for Continuous and Non-invasive Cuff-Less Blood Pressure Estimation [0.0]
  心電図(ECG)信号と動脈血圧(ABP)データから抽出した特徴に基づく血圧推定法を開発した。 クラスタリング手法を適用して, モデル作成の精度を高く評価し, 比較した。 以上の結果から,SBP (Systolic Blood Pressure) とDBP (Distolic Blood Pressure) の精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-10-13T19:16:10Z)
• A Deep Learning Approach to Predict Blood Pressure from PPG Signals [10.028103259763352]
  血圧(BP)は、身体の生命維持機能を示す4つの主要な重要な兆候の1つである。 PPG信号に基づいてBPを推定するために,3層ディープニューラルネットワークを用いた高度なデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T22:45:34Z)
• 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)
• Aortic Pressure Forecasting with Deep Sequence Learning [23.571482805855755]
  平均大動脈圧(MAP)は、すべての臓器系における灌流の主要な決定因子である。 本研究の目的は,5分前の25Hzの時系列データを入力として,平均大動脈圧を5分前に予測することであった。
  論文  参考訳（メタデータ） (2020-05-12T01:07:25Z)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。