論文の概要: Non-contact Respiratory Anomaly Detection using Infrared Light Wave Sensing

• arxiv url: http://arxiv.org/abs/2301.03713v1
• Date: Mon, 9 Jan 2023 23:19:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 17:31:21.703314
• Title: Non-contact Respiratory Anomaly Detection using Infrared Light Wave Sensing
• Title（参考訳）: 赤外光を用いた非接触呼吸異常検出
• Authors: Md Zobaer Islam, Brenden Martin, Carly Gotcher, Tyler Martinez, John F. O'Hara, Sabit Ekin
• Abstract要約: 非コヒーレント赤外光を用いた無線光波センシング(LWS)は、人間の呼吸モニタリングにおいて有望であることが判明した。 このシステムは、呼吸異常の旗を掲げるために、被験者の通常のパターンを学習する必要がある。 呼吸異常と異常データを検出するために,2つの機械学習アルゴリズム,決定木とランダム森林を適用した。
• 参考スコア（独自算出の注目度）: 0.5219568203653522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human respiratory rate and its pattern convey important information about the physical and psychological states of the subject. Abnormal breathing can be a sign of fatal health issues which may lead to further diagnosis and treatment. Wireless light wave sensing (LWS) using incoherent infrared light turns out to be promising in human breathing monitoring in a safe, discreet, efficient and non-invasive way without raising any privacy concerns. The regular breathing patterns of each individual are unique, hence the respiration monitoring system needs to learn the subject's usual pattern in order to raise flags for breathing anomalies. Additionally, the system needs to be capable of validating that the collected data is a breathing waveform, since any faulty data generated due to external interruption or system malfunction should be discarded. In order to serve both of these needs, breathing data of normal and abnormal breathing were collected using infrared light wave sensing technology in this study. Two machine learning algorithms, decision tree and random forest, were applied to detect breathing anomalies and faulty data. Finally, model performance was evaluated using average classification accuracies found through cross-validation. The highest classification accuracy of 96.6% was achieved with the data collected at 0.5m distance using decision tree model. Ensemble models like random forest were found to perform better than a single model in classifying the data that were collected at multiple distances from the light wave sensing setup.
• Abstract（参考訳）: ヒト呼吸速度とそのパターンは、被験者の身体的および心理的状態に関する重要な情報を伝える。 異常な呼吸は、さらなる診断と治療につながる可能性のある致命的な健康上の問題の兆候である。 無コヒーレント赤外光を用いた無線光波センシング(LWS)は、安全で離散的、効率的で非侵襲的な方法で人間の呼吸監視において、プライバシーの懸念を生じさせることなく有望であることが判明した。 各個人の呼吸パターンは独特であり、呼吸監視システムは、呼吸異常の旗を上げるために、被験者の通常のパターンを学習する必要がある。 また、外部遮断やシステムの故障により発生する故障データはすべて廃棄されるため、収集したデータが呼吸波形であることを検証することが可能である必要がある。 これらのニーズを両立させるために, 赤外線センシング技術を用いて, 正常呼吸と異常呼吸の呼吸データを収集した。 呼吸異常と異常データを検出するために,2つの機械学習アルゴリズム,決定木とランダム森林を適用した。 最後に,クロスバリデーションにより得られた平均分類精度を用いてモデル性能を評価した。 最高分類精度は96.6%であり、決定木モデルを用いて0.5m距離で収集した。 ランダムフォレストのようなアンサンブルモデルは、光波センシング設定から複数の距離で収集されたデータの分類において、1つのモデルよりも優れた性能を示した。

関連論文リスト

• Respiratory Anomaly Detection using Reflected Infrared Light-wave Signals [0.18641315013048293]
  メカニカルロボットの胸部から反射する非コヒーレント光波信号を用いた非接触呼吸異常検出法を提案する。 開発されたシステムは、スマートで非接触的で離散的な呼吸監視方法として、家庭や医療施設で利用することができる。
  論文  参考訳（メタデータ） (2023-11-02T16:23:13Z)
• The role of noise in denoising models for anomaly detection in medical images [62.0532151156057]
  病理脳病変は脳画像に多彩な外観を示す。 正規データのみを用いた教師なし異常検出手法が提案されている。 空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-01-19T21:39:38Z)
• Spirometry-based airways disease simulation and recognition using Machine Learning approaches [0.0]
  本研究は、スピロメーターを用いて容易に記録できる測定方法に焦点を当てる。 このフレームワークで使用される信号は、肺の線形複区画モデルを用いてシミュレートされる。 抵抗パラメータと弾性パラメータを変化させることで、健康、線維症、喘息呼吸をシミュレートしたデータサンプルが実現される。
  論文  参考訳（メタデータ） (2021-11-08T08:01:18Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Sleep Apnea and Respiratory Anomaly Detection from a Wearable Band and Oxygen Saturation [1.2291501047353484]
  シンプルで使いやすいデバイスから睡眠時無呼吸を自動的に検出するより便利な方法のための一般的な医学とクリティカルケアの必要性があります。 本研究の目的は, 呼吸異常を自動検出し, Apnea-Hypopnea-Index (AHI) をウェアラブル呼吸装置で推定することである。 4つのモデルが訓練された:1つは呼吸機能のみを使用し、1つはSpO2(%)信号のみから、もう1つは呼吸機能とSpO2(%)機能を使用する2つの追加モデルである。
  論文  参考訳（メタデータ） (2021-02-24T02:04:57Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)
• Collaborative Three-Tier Architecture Non-contact Respiratory Rate Monitoring using Target Tracking and False Peaks Eliminating Algorithms [10.232449356645608]
  非接触呼吸モニタリング技術は、照明やモーションアーティファクトのような環境の影響に敏感であるため、精度が低い。 ユーザとクラウド間の頻繁な接触は、サービス要求の遅延と、個人情報の喪失を引き起こす可能性がある。 我々は,呼吸モニタリングの精度を高め,データ伝送遅延を低減するために,協調的な3層設計による非接触呼吸率モニタリングシステムを提案した。
  論文  参考訳（メタデータ） (2020-11-17T07:33:00Z)
• Identification of deep breath while moving forward based on multiple body regions and graph signal analysis [45.62293065676075]
  本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-20T08:26:50Z)
• Multispectral Video Fusion for Non-contact Monitoring of Respiratory Rate and Apnea [7.300192965401497]
  呼吸の非接触モニタリングは、近赤外線と遠赤外線のスペクトルカメラで達成できる。 本研究では,無呼吸時の呼吸速度(RR)を推定する多スペクトルデータ融合に基づく新しいアルゴリズムを提案する。 本研究は,医療応用におけるサインモニタリングにおけるカメラの活用に向けての一歩となる可能性がある。
  論文  参考訳（メタデータ） (2020-04-21T09:07:09Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。