論文の概要: Contactless Oxygen Monitoring with Gated Transformer

• arxiv url: http://arxiv.org/abs/2212.03357v1
• Date: Tue, 6 Dec 2022 22:43:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 17:12:00.791275
• Title: Contactless Oxygen Monitoring with Gated Transformer
• Title（参考訳）: ゲートトランスを用いた無接触酸素モニタリング
• Authors: Hao He, Yuan Yuan, Ying-Cong Chen, Peng Cao and Dina Katabi
• Abstract要約: そこで本研究では,患者が自宅で血液酸素をモニタリングするための非接触型アプローチを提案する。 患者の呼吸を、体から跳ね返る電波信号から抽出し、呼吸信号から患者の酸素推定を推測する新しいニューラルネットワークを考案する。
• 参考スコア（独自算出の注目度）: 34.09952889918388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing popularity of telehealth, it becomes critical to ensure that basic physiological signals can be monitored accurately at home, with minimal patient overhead. In this paper, we propose a contactless approach for monitoring patients' blood oxygen at home, simply by analyzing the radio signals in the room, without any wearable devices. We extract the patients' respiration from the radio signals that bounce off their bodies and devise a novel neural network that infers a patient's oxygen estimates from their breathing signal. Our model, called \emph{Gated BERT-UNet}, is designed to adapt to the patient's medical indices (e.g., gender, sleep stages). It has multiple predictive heads and selects the most suitable head via a gate controlled by the person's physiological indices. Extensive empirical results show that our model achieves high accuracy on both medical and radio datasets.
• Abstract（参考訳）: 遠隔医療の普及に伴い、患者のオーバーヘッドを最小限に抑えながら、自宅で基礎的な生理的信号を正確に監視できることが重要となる。 本稿では、室内の無線信号を分析するだけで、ウェアラブル装置を使わずに、自宅での血液酸素濃度をモニタリングする非接触型アプローチを提案する。 我々は、患者の呼吸を体から反射する電波信号から抽出し、呼吸信号から患者の酸素推定を推測する新しいニューラルネットワークを考案する。 我々のモデルは「emph{Gated BERT-UNet}」と呼ばれ、患者の医療指標(例えば、性別、睡眠段階)に適応するよう設計されている。 複数の予測ヘッドを持ち、人の生理指標によって制御されるゲートを介して最も適した頭を選択する。 実験結果から, 医療用および無線用両方のデータセットにおいて, 精度の高いモデルが得られた。

関連論文リスト

• Towards Explainable Graph Neural Networks for Neurological Evaluation on EEG Signals [1.2618555186247336]
  NIH Stroke Scale(NIHSS)による脳卒中重症度予測のためのグラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。 入院時の脳波検査(EEG)について検討した。 重要な神経学的接続を強調し,空間性を維持するために,構造的および機能的脳ネットワーク特性に基づいたスペーシフィケーションプロセスを適用した。
  論文  参考訳（メタデータ） (2024-09-24T14:40:09Z)
• Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
  多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。 周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。 本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-30T21:53:11Z)
• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• Noncontact Respiratory Anomaly Detection Using Infrared Light-Wave Sensing [0.1759252234439348]
  異常な呼吸は、さらなる診断と治療につながる致命的な健康上の問題を示す可能性がある。 本研究では,人間の呼吸パターンを模倣するロボットを用いて,正常および異なる種類の呼吸異常をシミュレートした。 赤外線センシング技術を用いて時系列呼吸データを収集した。
  論文  参考訳（メタデータ） (2023-01-09T23:19:40Z)
• PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal Imputation [54.839600943189915]
  モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。 豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。 このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
  論文  参考訳（メタデータ） (2022-12-14T21:39:15Z)
• Minute ventilation measurement using Plethysmographic Imaging and lighting parameters [8.739176372427842]
  睡眠時無呼吸などの呼吸障害は、肺の酸素と二酸化炭素を含有/交換する能力が不足し、体がホメオスタシスの安定した状態にあることを保証するために、多数の個人に影響を及ぼす致命的な疾患である。 微小換気などの呼吸測定は、心拍数や心拍変動などの他の生理的測定と相関して、健康状態の遠隔監視や呼吸関連疾患の症状の検出に用いられる。
  論文  参考訳（メタデータ） (2022-08-29T00:42:48Z)
• fMRI Neurofeedback Learning Patterns are Predictive of Personal and Clinical Traits [62.997667081978825]
  機能的MRI(fMRI)による自律神経運動課題における学習経過の個人的シグネチャを得る。 署名は、第1セッションで同様のfMRI由来の脳の状態が与えられた後、第2セッションで扁桃体の活動を予測することに基づいている。
  論文  参考訳（メタデータ） (2021-12-21T06:52:48Z)
• Dual Attention Network for Heart Rate and Respiratory Rate Estimation [1.5469452301122175]
  現在テレヒールスでは、非接触カメラによる生理的測定がよりアクセスしやすく便利である。 また、システムの複雑さとレイテンシを低減するために、心拍数と呼吸速度の両方を推定できる統合ネットワークを持つことも望ましいです。 本稿では、空間的注意とチャネル的注意を生かした畳み込みニューラルネットワークを提案し、これを二重注意ネットワーク(DAN)と呼び、カメラビデオと共同で心拍数と呼吸率を入力として推定する。
  論文  参考訳（メタデータ） (2021-10-31T03:00:28Z)
• 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)
• 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)

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。