論文の概要: Embedding Temporal Convolutional Networks for Energy-Efficient PPG-Based Heart Rate Monitoring

• arxiv url: http://arxiv.org/abs/2203.04396v1
• Date: Tue, 1 Mar 2022 17:04:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-13 15:11:55.458965
• Title: Embedding Temporal Convolutional Networks for Energy-Efficient PPG-Based Heart Rate Monitoring
• Title（参考訳）: エネルギー効率PPGを用いた心拍モニタリングのための仮設畳み込みネットワーク
• Authors: Alessio Burrello, Daniele Jahier Pagliari, Pierangelo Maria Rapa, Matilde Semilia, Matteo Risso, Tommaso Polonelli, Massimo Poncino, Luca Benini, Simone Benatti
• Abstract要約: Photoplethysmography (volution) センサーは非侵襲的で快適な心拍数モニタリングを可能にする。 モーションアーティファクト(MA)はモニタリングの精度に大きく影響を与え、皮膚とセンサーのインターフェースに高いばらつきをもたらす。 PPGに基づく人事推定のための計算軽量で頑健な深層学習手法を提案する。 PPGDaliaのMean Absolute Error(MAE)の3.84 Beats per Minute(BPM)という2つのベンチマークデータセットに対するアプローチを検証する。
• 参考スコア（独自算出の注目度）: 17.155316991045765
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Photoplethysmography (PPG) sensors allow for non-invasive and comfortable heart-rate (HR) monitoring, suitable for compact wrist-worn devices. Unfortunately, Motion Artifacts (MAs) severely impact the monitoring accuracy, causing high variability in the skin-to-sensor interface. Several data fusion techniques have been introduced to cope with this problem, based on combining PPG signals with inertial sensor data. Until know, both commercial and reasearch solutions are computationally efficient but not very robust, or strongly dependent on hand-tuned parameters, which leads to poor generalization performance. % In this work, we tackle these limitations by proposing a computationally lightweight yet robust deep learning-based approach for PPG-based HR estimation. Specifically, we derive a diverse set of Temporal Convolutional Networks (TCN) for HR estimation, leveraging Neural Architecture Search (NAS). Moreover, we also introduce ActPPG, an adaptive algorithm that selects among multiple HR estimators depending on the amount of MAs, to improve energy efficiency. We validate our approaches on two benchmark datasets, achieving as low as 3.84 Beats per Minute (BPM) of Mean Absolute Error (MAE) on PPGDalia, which outperforms the previous state-of-the-art. Moreover, we deploy our models on a low-power commercial microcontroller (STM32L4), obtaining a rich set of Pareto optimal solutions in the complexity vs. accuracy space.
• Abstract（参考訳）: Photoplethysmography (PPG) センサーは非侵襲的で快適な心拍数(HR)モニタリングを可能にする。 残念なことに、モーションアーティファクト(mas)は監視精度に深刻な影響を与え、皮膚とセンサーのインターフェースに高い変動を引き起こす。 この問題を解決するために、ppg信号と慣性センサデータを組み合わせたデータ融合技術がいくつか導入されている。 これまでは、商用と検索の両方のソリューションは計算効率が良いが、あまり堅牢ではない、あるいは手作業のパラメータに強く依存しているため、一般化性能は劣る。 本研究では,PPGに基づく人事推定のための計算軽量で頑健なディープラーニングベースのアプローチを提案する。 具体的には、ニューラルネットワーク探索(NAS)を利用して、人事推定のための時間畳み込みネットワーク(TCN)の多様なセットを導出する。 また,MAの量に応じて複数のHR推定器を選択する適応アルゴリズムである ActPPG を導入し,エネルギー効率を向上する。 PPGDaliaのMean Absolute Error(MAE)の3.84 Beats per Minute(BPM)という2つのベンチマークデータセットに対して,我々のアプローチを検証した。 さらに、我々は低消費電力の商用マイクロコントローラ(STM32L4)にモデルをデプロイし、複雑さと精度の空間におけるパレート最適解の豊富な集合を得る。

関連論文リスト

• Deep adaptative spectral zoom for improved remote heart rate estimation [10.220888127527152]
  Chirp-Z Transform (CZT) は、心拍数に対する狭帯域の利息の範囲までスペクトルを洗練させ、頻繁な分解能を改善し、その結果より正確な推定を可能にする。 本稿では、リモートHR推定にCZTを用いる利点を示し、新しいデータ駆動適応型CZT推定器を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:55:19Z)
• PPG-based Heart Rate Estimation with Efficient Sensor Sampling and Learning Models [6.157700936357335]
  ウェアラブルデバイスに埋め込まれた光胸部センサーは、心拍数(HR)を高精度に推定することができる。 しかしながら, PPGセンサを用いたHR推定を組込みデバイスに適用することは, エネルギー集中型高周波PSGサンプリングによる課題に直面している。 本研究では,低消費電力・資源制約の組込みデバイスに適したHR推定手法を提案する。
  論文  参考訳（メタデータ） (2023-03-23T19:47:36Z)
• Multi-Head Cross-Attentional PPG and Motion Signal Fusion for Heart Rate Estimation [2.839269856680851]
  本稿では,時間的畳み込みと多頭部交差注意を利用してセンサフュージョンの有効性を向上させる新しい深層学習モデルPULSEを提案する。 3つの公開データセット上でのPULSEの性能を評価し,平均絶対誤差を7.56%削減した。
  論文  参考訳（メタデータ） (2022-10-14T08:07:53Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Robust and Energy-efficient PPG-based Heart-Rate Monitoring [22.7371904884504]
  手首に装着されたPSGセンサと軽量なアルゴリズムを組み合わせることで、MCU上で動作し、非侵襲的で快適な監視を可能にする。 最近の最先端のアルゴリズムは、PPGと慣性信号を組み合わせて、モーションアーティファクトの効果を緩和している。 ハードウェアフレンドリーな時相畳み込みネットワーク(TCN)をPPGベースの心推定に利用することを提案する。
  論文  参考訳（メタデータ） (2022-03-28T13:38:28Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Q-PPG: Energy-Efficient PPG-based Heart Rate Monitoring on Wearable Devices [22.7371904884504]
  本稿では、人事監視のための深層時間畳み込みネットワーク(TCN)のリッチなファミリーを自動生成する設計手法を提案する。 私たちの最も正確なモデルは、平均絶対誤差で新しい最先端のモデルを設定します。 我々は,STM32WB55マイクロコントローラを内蔵した組み込みプラットフォーム上にTCNを配置し,リアルタイム実行に適していることを示す。
  論文  参考訳（メタデータ） (2022-03-24T10:50:33Z)
• Deep Reinforcement Learning Based Multidimensional Resource Management for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
  エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。 本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
  論文  参考訳（メタデータ） (2021-09-17T08:55:48Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• 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)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。