論文の概要: ReViSe: Remote Vital Signs Measurement Using Smartphone Camera

• arxiv url: http://arxiv.org/abs/2206.08748v1
• Date: Mon, 13 Jun 2022 19:20:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 07:11:39.835163
• Title: ReViSe: Remote Vital Signs Measurement Using Smartphone Camera
• Title（参考訳）: ReViSe:スマートフォンカメラを用いたリモートバイタルサイン計測
• Authors: Donghao Qiao, Amtul Haq Ayesha, Farhana Zulkernine, Raihan Masroor, Nauman Jaffar
• Abstract要約: リモートフォトプラチスモグラフィー(remote Photoplethysmography、rVi)は、バイオメトリックデータを集めるための高速で効果的で安価で便利な方法である。 本稿では,スマートフォンカメラで捉えたユーザの顔のゆがみに基づいて,人々のバイタルサインを測定するためのエンドツーエンドフレームワークを提案する。 ディープラーニングに基づくニューラルネットワークモデルを用いて,顔のランドマークをリアルタイムで抽出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote Photoplethysmography (rPPG) is a fast, effective, inexpensive and convenient method for collecting biometric data as it enables vital signs estimation using face videos. Remote contactless medical service provisioning has proven to be a dire necessity during the COVID-19 pandemic. We propose an end-to-end framework to measure people's vital signs including Heart Rate (HR), Heart Rate Variability (HRV), Oxygen Saturation (SpO2) and Blood Pressure (BP) based on the rPPG methodology from the video of a user's face captured with a smartphone camera. We extract face landmarks with a deep learning-based neural network model in real-time. Multiple face patches also called Region-of-Interests (RoIs) are extracted by using the predicted face landmarks. Several filters are applied to reduce the noise from the RoIs in the extracted cardiac signals called Blood Volume Pulse (BVP) signal. We trained and validated machine learning models using two public rPPG datasets namely the TokyoTech rPPG and the Pulse Rate Detection (PURE) datasets, on which our models achieved the following Mean Absolute Errors (MAE): a) for HR, 1.73 and 3.95 Beats-Per-Minute (bpm) respectively, b) for HRV, 18.55 and 25.03 ms respectively, and c) for SpO2, a MAE of 1.64 on the PURE dataset. We validated our end-to-end rPPG framework, ReViSe, in real life environment, and thereby created the Video-HR dataset. Our HR estimation model achieved a MAE of 2.49 bpm on this dataset. Since no publicly available rPPG datasets existed for BP measurement with face videos, we used a dataset with signals from fingertip sensor to train our model and also created our own video dataset, Video-BP. On our Video-BP dataset, our BP estimation model achieved a MAE of 6.7 mmHg for Systolic Blood Pressure (SBP), and a MAE of 9.6 mmHg for Diastolic Blood Pressure (DBP).
• Abstract（参考訳）: 遠隔photoplethysmography(rppg)は、顔ビデオを用いたバイタルサイン推定を可能にするバイオメトリックデータ収集のための高速で効果的で安価で便利な方法である。 新型コロナウイルス(COVID-19)のパンデミックでは、遠隔医療サービス提供が不可欠であることが証明されている。 本稿では,スマートフォンカメラで撮影したユーザの顔の映像から,心拍数(HR),心拍変動(HRV),酸素飽和度(SpO2),血圧(BP)など,人々のバイタルサインを測定するためのエンドツーエンドのフレームワークを提案する。 ディープラーニングに基づくニューラルネットワークモデルを用いて,顔のランドマークをリアルタイムで抽出する。 予測された顔ランドマークを用いて、関心領域(roi)とも呼ばれる複数の顔パッチを抽出する。 血液量パルス(BVP)信号と呼ばれる抽出された心臓信号のRoIからのノイズを低減するために、いくつかのフィルタが適用される。 我々は,東京工科大学rPPGとPURE(Pulse Rate Detection)という2つの公開rPPGデータセットを用いて,機械学習モデルを訓練し,検証した。 a) HR それぞれ 1.73 と 3.95 のビーツパーミニット (bpm) について b) HRVは18.55ms、25.03ms、 c) SpO2 は PURE データセット上の 1.64 の MAE である。 実生活環境において、エンドツーエンドのrPPGフレームワークReViSeを検証し、Video-HRデータセットを作成しました。 我々のHR推定モデルは、このデータセット上で2.49bpmのMAEを達成した。 顔ビデオによるBP測定のために公開されているrPPGデータセットは存在しないため、指先センサーからの信号によるデータセットを使用してモデルをトレーニングし、独自のビデオデータセットであるVideo-BPを作成しました。 ビデオ-BPデータセットでは,SBPでは6.7mmHg,DBPでは9.6mmHg,DBPでは9.6mmHgであった。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Summit Vitals: Multi-Camera and Multi-Signal Biosensing at High Altitudes [22.23531900474421]
  ビデオ光胸腺撮影は、生理学的信号の非侵襲的かつ便利な測定方法である。 このデータセットは、ビデオのバイタル推定アルゴリズムを検証し、異なる位置からビデオを取り出すように設計されている。 以上の結果から,PSGや血液酸素などの複数の指標の同時トレーニングがSpO2推定におけるMAEを17.8%減少させる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-28T03:36:16Z)
• 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)
• Phase-shifted remote photoplethysmography for estimating heart rate and blood pressure from facial video [4.392877207448768]
  心拍数と血圧は、心臓血管系のモニタリングにとって重要な生体情報である。 本論文では,心拍数と血圧を推定する視覚的手法を提案する。 本論文では,2段階の深層学習フレームワークを,BP-NetとBBP-Netで構成する。
  論文  参考訳（メタデータ） (2024-01-09T13:56:37Z)
• Video-based sympathetic arousal assessment via peripheral blood flow estimation [46.695433930419945]
  顔や手の末梢血流を光学的に測定して交感神経刺激を推定する新しい手法を提案する。 前頭,指,手のひらから交感神経刺激が最善であることを示す。
  論文  参考訳（メタデータ） (2023-11-12T19:06:33Z)
• Camera-Based HRV Prediction for Remote Learning Environments [4.074837550066978]
  顔ビデオから血流パルス信号を復元することは、波形を復元するための一連の前処理、画像アルゴリズム、後処理を含む難しい作業である。 r を通して HRV の指標を得る上での課題は、アルゴリズムが BVP のピーク位置を正確に予測する必要性である。 本稿では,58名の被験者を対象に,高度に同期されたビデオとラベルを32時間以上使用したRLAP(Remote Learning Affect and Physiology)データセットを収集した。 RLAPデータセットを用いて,1次元畳み込みに基づくモデルであるSeq-rを訓練し,実験結果が明らかになった。
  論文  参考訳（メタデータ） (2023-05-07T02:26:00Z)
• A Web Application for Experimenting and Validating Remote Measurement of Vital Signs [0.0]
  リモート光胸腺撮影(r)技術は、顔ビデオから重要な兆候を計算する。 対象者の心拍数(HR)、心拍変動(HRV)、血圧(BP)、顔ビデオからのストレスを測定するためのWebアプリケーションフレームワークを実装した。 フレームワークの正確性と堅牢性はボランティアの助けを借りて検証された。
  論文  参考訳（メタデータ） (2022-08-21T16:07:46Z)
• Unsupervised Pre-Training on Patient Population Graphs for Patient-Level Predictions [48.02011627390706]
  プレトレーニングは、コンピュータビジョン(CV)、自然言語処理(NLP)、医療画像など、機械学習のさまざまな分野で成功している。 本稿では,患者結果の予測のために,教師なし事前学習を異種マルチモーダルEHRデータに適用する。 提案手法は,人口レベルでのデータモデリングに有効であることがわかった。
  論文  参考訳（メタデータ） (2022-03-23T17:59:45Z)
• A Shallow U-Net Architecture for Reliably Predicting Blood Pressure (BP) from Photoplethysmogram (PPG) and Electrocardiogram (ECG) Signals [1.1695966610359496]
  病院で血液圧(BP)の連続モニタリングに使われている方法のほとんどは、侵襲的である。 本研究では,光胸腺図や心電図などの非侵襲的に収集可能な信号からBPを予測するためのオートエンコーダの適用性を検討した。 非常に浅い1次元オートエンコーダは、非常に大きなデータセット上で最先端の性能でSBPとDBPを予測するために関連する特徴を抽出できることがわかった。
  論文  参考訳（メタデータ） (2021-11-12T19:34:20Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)
• 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。