論文の概要: Edge Deep Learning Enabled Freezing of Gait Detection in Parkinson's Patients

• arxiv url: http://arxiv.org/abs/2212.00729v1
• Date: Sun, 27 Nov 2022 17:05:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-02 17:42:46.281017
• Title: Edge Deep Learning Enabled Freezing of Gait Detection in Parkinson's Patients
• Title（参考訳）: パーキンソン病患者の歩行検出におけるエッジディープラーニングの有用性
• Authors: Ourong Lin, Tian Yu, Yuhan Hou, Yi Zhu, and Xilin Liu
• Abstract要約: 本稿では,パーキンソン病患者の歩行(FoG)症状を検知し,警告する無線センサネットワークの設計について述べる。 3つのセンサーノードは、それぞれ3軸加速度計を統合しており、足首、大腿、トラックの患者に配置することができる。 各センサノードはデバイス上での深層学習(DL)モデルを用いて独立してFoGを検出でき、圧縮・励起畳み込みニューラルネットワーク(CNN)を備えている。
• 参考スコア（独自算出の注目度）: 7.612338614344926
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents the design of a wireless sensor network for detecting and alerting the freezing of gait (FoG) symptoms in patients with Parkinson's disease. Three sensor nodes, each integrating a 3-axis accelerometer, can be placed on a patient at ankle, thigh, and truck. Each sensor node can independently detect FoG using an on-device deep learning (DL) model, featuring a squeeze and excitation convolutional neural network (CNN). In a validation using a public dataset, the prototype developed achieved a FoG detection sensitivity of 88.8% and an F1 score of 85.34%, using less than 20 k trainable parameters per sensor node. Once FoG is detected, an auditory signal will be generated to alert users, and the alarm signal will also be sent to mobile phones for further actions if needed. The sensor node can be easily recharged wirelessly by inductive coupling. The system is self-contained and processes all user data locally without streaming data to external devices or the cloud, thus eliminating the cybersecurity risks and power penalty associated with wireless data transmission. The developed methodology can be used in a wide range of applications.
• Abstract（参考訳）: 本稿では,パーキンソン病患者の歩行(FoG)症状の検出と警告を行う無線センサネットワークの設計について述べる。 3つのセンサーノードは、それぞれ3軸加速度計を統合し、足首、大腿、トラックの患者に配置することができる。 各センサノードはデバイス上での深層学習(DL)モデルを使用して独立してFoGを検出でき、圧縮・励起畳み込みニューラルネットワーク(CNN)を備えている。 パブリックデータセットを用いた検証において、プロトタイプはFoG検出感度88.8%、F1スコア85.34%を達成し、センサーノード当たり20k未満のトレーニング可能なパラメータを使用した。 FoGが検知されると、ユーザーに警告する聴覚信号が生成され、必要に応じてアラーム信号が携帯電話に送信される。 インダクティブカップリングにより、センサノードを無線で簡単に充電することができる。 このシステムは自己完結型であり、外部デバイスやクラウドにデータをストリーミングすることなく、すべてのユーザデータをローカルに処理する。 開発された方法論は、幅広いアプリケーションで使用できる。

関連論文リスト

• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• Federated Learning for Distributed Spectrum Sensing in NextG Communication Networks [3.509171590450989]
  NextGネットワークは、既存のユーザとスペクトルを共有する柔軟性を提供することを目的としている。 無線センサのネットワークは、大規模な展開領域における信号伝達のスペクトルを監視するために必要である。 精度を向上させるために、個々のセンサは、センサーデータまたはセンサー結果を相互または融合センタで交換することができる。
  論文  参考訳（メタデータ） (2022-04-06T18:18:42Z)
• MDPose: Human Skeletal Motion Reconstruction Using WiFi Micro-Doppler Signatures [4.92674421365689]
  WiFiマイクロドップラーシグネチャに基づくヒト骨格運動再建のための新しいフレームワークであるMDPoseを提案する。 17個のキーポイントを持つ骨格モデルを再構築することで、人間の活動を追跡する効果的なソリューションを提供する。 MDPoseは最先端のRFベースのポーズ推定システムより優れている。
  論文  参考訳（メタデータ） (2022-01-11T21:46:28Z)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• Radar Voxel Fusion for 3D Object Detection [0.0]
  本稿では,3次元物体検出のための低レベルセンサ融合ネットワークを開発する。 レーダーセンサーの融合は、雨や夜景のような裂け目状態において特に有益である。
  論文  参考訳（メタデータ） (2021-06-26T20:34:12Z)
• A reconfigurable neural network ASIC for detector front-end data compression at the HL-LHC [0.40690419770123604]
  ニューラルネットワークのオートエンコーダモデルを放射線耐性ASICに実装して、損失のあるデータ圧縮を行うことができる。 これは、粒子物理学アプリケーション用に設計されたニューラルネットワークの耐放射線性オンディテクタASIC実装である。
  論文  参考訳（メタデータ） (2021-05-04T18:06:23Z)
• Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
  オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。 このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。 その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
  論文  参考訳（メタデータ） (2021-02-02T15:44:39Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)
• Super Low Resolution RF Powered Accelerometers for Alerting on Hospitalized Patient Bed Exits [3.2654923574107357]
  転倒は重篤な結果であり、高齢者を介護する急性病院や老人ホームで流行している。転倒のリスクを軽減するための技術介入は、自動でベッドからのイベントを監視し、医療従事者にタイムリーな監視を提供するよう警告する。 患者活動に関連する周波数領域情報は, 主に低頻度で存在している。 無線周波数識別(RFID)技術を用いた電池レスセンシング方式について検討し,病院ガウンなどの衣服への便利な統合の可能性について検討した。
  論文  参考訳（メタデータ） (2020-03-19T00:58:30Z)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)

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。