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
- Ambient Diffusion Posterior Sampling: Solving Inverse Problems with
Diffusion Models trained on Corrupted Data [56.81246107125692]
Ambient Diffusion Posterior Smpling (A-DPS) は、ある種類の腐敗に対して事前訓練された生成モデルである。
A-DPSは、いくつかの画像復元タスクにおいて、クリーンなデータで訓練されたモデルよりも、速度と性能の両方で優れていることが示される。
我々はAmbient Diffusionフレームワークを拡張して、FourierサブサンプルのマルチコイルMRI測定にのみアクセスしてMRIモデルをトレーニングする。
論文 参考訳(メタデータ) (2024-03-13T17:28:20Z) - A Finger on the Pulse of Cardiovascular Health: Smartphone
Photoplethysmography-Based Pulse Waveform Analysis for Blood Pressure
Measurement [2.6597689982591044]
血圧モニタリング(BP)は、医療機器や専門知識へのアクセス制限などの課題に直面している。
一方、ポータブルなカフBPデバイスは、一日中持ち歩くのが面倒で、先進国ではコストが抑えられないことが多い。
本研究では、連続BPモニタリングにおけるスマートフォンの利用について検討し、機械学習モデルの不透明性に関連する信頼障壁を克服することに焦点を当てた。
論文 参考訳(メタデータ) (2024-01-20T05:05:17Z) - Phase-shifted remote photoplethysmography for estimating heart rate and
blood pressure from facial video [5.189602489149301]
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) - 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) - 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) - 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) - Estimating Blood Pressure from Photoplethysmogram Signal and Demographic
Features using Machine Learning Techniques [0.0]
高血圧は潜在的に安全でない健康障害であり、血圧(BP)から直接示すことができる
BPの連続的なモニタリングは非常に重要であるが、BP測定は離散的であり、ユーザにとって不快である。
このニーズに対処するために、カフレス、連続、非侵襲的なBP測定システムを提案する。
論文 参考訳(メタデータ) (2020-05-07T09:45:02Z) - 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。