論文の概要: SCAMPS: Synthetics for Camera Measurement of Physiological Signals

• arxiv url: http://arxiv.org/abs/2206.04197v1
• Date: Wed, 8 Jun 2022 23:48:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 13:38:59.233699
• Title: SCAMPS: Synthetics for Camera Measurement of Physiological Signals
• Title（参考訳）: SCAMPS: 生理信号のカメラ計測のための合成
• Authors: Daniel McDuff, Miah Wander, Xin Liu, Brian L. Hill, Javier Hernandez, Jonathan Lester, Tadas Baltrusaitis
• Abstract要約: SCAMPSは2,800本のビデオ (1.68Mフレーム) を含む合成物のデータセットである。 本研究は、心拍間隔、心拍変動、パルス到着時間など、基礎となる波形に関する記述統計を提供する。
• 参考スコア（独自算出の注目度）: 17.023803380199492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of cameras and computational algorithms for noninvasive, low-cost and scalable measurement of physiological (e.g., cardiac and pulmonary) vital signs is very attractive. However, diverse data representing a range of environments, body motions, illumination conditions and physiological states is laborious, time consuming and expensive to obtain. Synthetic data have proven a valuable tool in several areas of machine learning, yet are not widely available for camera measurement of physiological states. Synthetic data offer "perfect" labels (e.g., without noise and with precise synchronization), labels that may not be possible to obtain otherwise (e.g., precise pixel level segmentation maps) and provide a high degree of control over variation and diversity in the dataset. We present SCAMPS, a dataset of synthetics containing 2,800 videos (1.68M frames) with aligned cardiac and respiratory signals and facial action intensities. The RGB frames are provided alongside segmentation maps. We provide precise descriptive statistics about the underlying waveforms, including inter-beat interval, heart rate variability, and pulse arrival time. Finally, we present baseline results training on these synthetic data and testing on real-world datasets to illustrate generalizability.
• Abstract（参考訳）: 非侵襲的で低コストでスケーラブルな生理的(例えば心臓と肺の)バイタルサインの測定にカメラと計算アルゴリズムを使うことは非常に魅力的である。 しかし、様々な環境、身体の動き、照明条件、生理状態を表す多様なデータは、手間がかかり、時間がかかる。 合成データは、機械学習のいくつかの分野で貴重なツールであることが証明されているが、カメラによる生理状態の測定には広く利用できない。 合成データは「完璧な」ラベル(例えば、ノイズなし、正確な同期)を提供し、それ以外のラベル(例えば、正確なピクセルレベルのセグメンテーションマップ)を得ることができないラベルを提供し、データセットのばらつきや多様性を高度に制御する。 SCAMPSは2,800本のビデオ (1.68Mフレーム) を含む合成物のデータセットである。 RGBフレームはセグメンテーションマップと共に提供される。 脈拍間間隔,心拍変動,パルス到着時間など,基礎となる波形に関する正確な記述統計情報を提供する。 最後に,これらの合成データに対するベースライン結果トレーニングと実世界のデータセットを用いたテストを行い,一般化可能性について述べる。

関連論文リスト

• 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)
• CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
  縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。 ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。 我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
  論文  参考訳（メタデータ） (2024-03-21T15:13:36Z)
• Training Robust Deep Physiological Measurement Models with Synthetic Video-based Data [11.31971398273479]
  合成生理的信号とそれに対応する顔画像に現実の雑音を加える方法を提案する。 その結果,MAEの平均値は6.9から2.0に減少した。
  論文  参考訳（メタデータ） (2023-11-09T13:55:45Z)
• Graph-Aware Contrasting for Multivariate Time-Series Classification [50.84488941336865]
  既存のコントラスト学習手法は主に、時間的拡張とコントラスト技術による時間的一貫性を達成することに焦点を当てている。 MTSデータ間の空間的整合性を考慮したグラフ認識コントラストを提案する。 提案手法は,様々なMSS分類タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-09-11T02:35:22Z)
• Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation of rPPG [2.82697733014759]
  r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。 本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
  論文  参考訳（メタデータ） (2023-07-24T09:35:47Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• Synthetic Data for Multi-Parameter Camera-Based Physiological Sensing [19.81916022915307]
  高忠実度合成パイプラインを利用して、忠実な血流と呼吸パターンを持つ顔のビデオを生成する。 トレーニングセットに含まれる人工アバターの数に応じて、心拍数と呼吸速度の測定精度が上昇する経験的証拠を提供する。 本稿では, カメラによる生理学的センシングの領域に合成物が存在する可能性について論じる。
  論文  参考訳（メタデータ） (2021-10-10T20:51:54Z)
• Synthesizing Skeletal Motion and Physiological Signals as a Function of a Virtual Human's Actions and Emotions [10.59409233835301]
  本研究では, 同期運動, 心電図, 血圧, 呼吸, 皮膚伝導信号の計算モデルからなるシステムを開発した。 提案されたフレームワークはモジュール化されており、柔軟性によってさまざまなモデルを試すことができる。 ラウンド・ザ・タイム・モニタリングのためのML研究を低コストで行うことに加えて、提案されたフレームワークはコードとデータの再利用を可能にする。
  論文  参考訳（メタデータ） (2021-02-08T21:56:15Z)
• 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)

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。