論文の概要: BIOWISH: Biometric Recognition using Wearable Inertial Sensors detecting Heart Activity

• arxiv url: http://arxiv.org/abs/2210.09843v1
• Date: Tue, 18 Oct 2022 13:26:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 15:50:23.868016
• Title: BIOWISH: Biometric Recognition using Wearable Inertial Sensors detecting Heart Activity
• Title（参考訳）: BIOWISH:ウェアラブル慣性センサを用いた生体認証による心臓活動の検出
• Authors: Emanuele Maiorana, Chiara Romano, Emiliano Schena, and Carlo Massaroni
• Abstract要約: ウェアラブル慣性センサを用いた生体計測による心臓活動検出手法(BIOWISH)を提案する。 本稿では, 筋電図およびジャイロ心電図を用いて得られた機械的計測を応用し, 人物を認識できる可能性について検討する。
• 参考スコア（独自算出の注目度）: 6.509758931804478
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Wearable devices are increasingly used, thanks to the wide set of applications that can be deployed exploiting their ability to monitor physical activity and health-related parameters. Their usage has been recently proposed to perform biometric recognition, leveraging on the uniqueness of the recorded traits to generate discriminative identifiers. Most of the studies conducted on this topic have considered signals derived from cardiac activity, detecting it mainly using electrical measurements thorugh electrocardiography, or optical recordings employing photoplethysmography. In this paper we instead propose a BIOmetric recognition approach using Wearable Inertial Sensors detecting Heart activity (BIOWISH). In more detail, we investigate the feasibility of exploiting mechanical measurements obtained through seismocardiography and gyrocardiography to recognize a person. Several feature extractors and classifiers, including deep learning techniques relying on transfer learning and siamese training, are employed to derive distinctive characteristics from the considered signals, and differentiate between legitimate and impostor subjects. An multi-session database, comprising acquisitions taken from subjects performing different activities, is employed to perform experimental tests simulating a verification system. The obtained results testify that identifiers derived from measurements of chest vibrations, collected by wearable inertial sensors, could be employed to guarantee high recognition performance, even when considering short-time recordings.
• Abstract（参考訳）: ウェアラブルデバイスは、身体活動や健康関連パラメータを監視する能力を利用してデプロイできる幅広いアプリケーションによって、ますます利用されている。 それらの使用法は、記録された特徴の特異性を利用して識別識別子を生成する生体認証を行うために最近提案されている。 この研究の多くは、心活動から導かれる信号について検討しており、主に電気的測定による胸部心電図、または光胸腺撮影を用いた光学的記録を用いて検出している。 本稿では,ウェアラブル慣性センサを用いた生体計測による心臓活動検出手法(BIOWISH)を提案する。 より詳しくは, 筋電図, ジャイロ心電図を用いて得られた機械的測定を応用し, 人を認識する可能性について検討する。 トランスファー学習とシャムトレーニングに依拠するディープラーニング技術を含むいくつかの特徴抽出器と分類器は、考慮された信号から特徴的な特徴を導出し、正当な主題と虚偽の主題を区別するために用いられる。 異なる活動を行う被験者から取得した取得を含むマルチセッションデータベースを用いて、検証システムをシミュレートする実験を行う。 得られた結果から,ウェアラブル慣性センサで収集した胸部振動の測定から得られた識別子を用いて,短時間記録においても高い認識性能を保証できることが確認された。

関連論文リスト

• Multi-objective Feature Selection in Remote Health Monitoring Applications [2.219956413333153]
  いくつかのシナリオでは、RF信号分析フレームワークは、あるタスクのパフォーマンスを他のタスクよりも優先することができる。 我々は,呼吸パターン認識の精度を高める識別的特徴を選択するために,生物学的原理に着想を得た多目的最適化アプローチを採用した。 本稿では,ユーザの識別精度を最大化し,呼吸活動認識のためのシステムの能力を最小限に抑えるために,逆向きな結果を示す。
  論文  参考訳（メタデータ） (2024-01-10T20:27:43Z)
• Multi-Channel Time-Series Person and Soft-Biometric Identification [65.83256210066787]
  本研究は, 深層建築を用いて異なる活動を行う人間の記録から, 個人とソフトバイオメトリックスを同定する。 マルチチャネル時系列ヒューマンアクティビティ認識(HAR)の4つのデータセットに対する手法の評価を行った。 ソフトバイオメトリクスに基づく属性表現は、有望な結果を示し、より大きなデータセットの必要性を強調している。
  論文  参考訳（メタデータ） (2023-04-04T07:24:51Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
  モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。 本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:50:52Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)
• 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)
• Wearable Respiration Monitoring: Interpretable Inference with Context and Sensor Biomarkers [5.065947993017157]
  呼吸速度(BR)、微小換気(VE)、その他の呼吸パラメータは、喘息などの多くの急性疾患のリアルタイムモニタリングに不可欠である。 本研究では,ウェアラブル心電図と手首動作信号から呼吸パラメータを推定する。
  論文  参考訳（メタデータ） (2020-07-02T22:12:49Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)
• Heart Sound Segmentation using Bidirectional LSTMs with Attention [37.62160903348547]
  心電図(PCG)信号を心臓状態に分割するための新しい枠組みを提案する。 我々は近年の注目に基づく学習の進歩を利用してPCG信号のセグメンテーションを行う。 提案手法は,ヒトと動物の両方の心臓記録を含む複数のベンチマークにおいて,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-04-02T02:09:11Z)

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。