論文の概要: Dataset Creation Pipeline for Camera-Based Heart Rate Estimation
- arxiv url: http://arxiv.org/abs/2303.01468v1
- Date: Thu, 2 Mar 2023 18:28:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 13:09:05.133460
- Title: Dataset Creation Pipeline for Camera-Based Heart Rate Estimation
- Title(参考訳): カメラを用いた心拍推定のためのデータセット作成パイプライン
- Authors: Mohamed Moustafa, Amr Elrasad, Joseph Lemley, Peter Corcoran
- Abstract要約: 心拍数(Heart rate)は、様々な人間の生理的、心理的情報に対する直感を調査し得る最も重要な健康指標の1つである。
従来の画像処理から複雑なディープラーニングモデルやアーキテクチャまで,様々なカメラベース心拍推定技術が開発されている。
本稿では,顔領域の画像から心拍数推定のためのアルゴリズムや機械学習モデルを開発するためのデータ作成方法について論じる。
- 参考スコア(独自算出の注目度): 0.3058685580689604
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Heart rate is one of the most vital health metrics which can be utilized to
investigate and gain intuitions into various human physiological and
psychological information. Estimating heart rate without the constraints of
contact-based sensors thus presents itself as a very attractive field of
research as it enables well-being monitoring in a wider variety of scenarios.
Consequently, various techniques for camera-based heart rate estimation have
been developed ranging from classical image processing to convoluted deep
learning models and architectures. At the heart of such research efforts lies
health and visual data acquisition, cleaning, transformation, and annotation.
In this paper, we discuss how to prepare data for the task of developing or
testing an algorithm or machine learning model for heart rate estimation from
images of facial regions. The data prepared is to include camera frames as well
as sensor readings from an electrocardiograph sensor. The proposed pipeline is
divided into four main steps, namely removal of faulty data, frame and
electrocardiograph timestamp de-jittering, signal denoising and filtering, and
frame annotation creation. Our main contributions are a novel technique of
eliminating jitter from health sensor and camera timestamps and a method to
accurately time align both visual frame and electrocardiogram sensor data which
is also applicable to other sensor types.
- Abstract(参考訳): 心拍数(Heart rate)は、様々な人間の生理的、心理的情報に対する直感を調査し得る最も重要な健康指標の1つである。
接触型センサーの制約なしに心拍数を推定することは、幅広いシナリオで良好なモニタリングを可能にするため、非常に魅力的な研究分野である。
その結果,従来型画像処理から畳み込み型ディープラーニングモデルやアーキテクチャまで,カメラを用いた心拍数推定手法が開発されている。
このような研究の核心にあるのは、健康とビジュアルデータの取得、クリーニング、トランスフォーメーション、アノテーションです。
本稿では、顔領域の画像から心拍数推定のためのアルゴリズムや機械学習モデルを開発し、テストするタスクのためのデータの作成方法について述べる。
準備されたデータは、カメラフレームと、心電図センサーからのセンサー読み取りを含む。
提案するパイプラインは, 故障データの除去, フレームと心電図のタイムスタンプのデジッタリング, 信号のデノイングとフィルタリング, フレームアノテーション生成の4つのステップに分けられる。
我々は,健康センサとカメラタイムスタンプからジッタを除去する新しい手法と,他のセンサにも応用可能な視覚フレームと心電図センサデータの調整を高精度に行う手法を提案する。
関連論文リスト
- Graph Convolutional Neural Networks for Automated Echocardiography View
Recognition: A Holistic Approach [0.586336038845426]
グラフ畳み込みによる3D心筋メッシュの学習について、同様の手法を用いて、自然な画像から3Dメッシュを学習する。
我々は,3次元メッシュから合成US画像を生成する。
この手法は合成画像に優れた性能をもたらし、合成データにのみ訓練されているにもかかわらず、臨床画像に適用された場合の可能性を既に示していた。
論文 参考訳(メタデータ) (2024-02-29T11:45:24Z) - CMRxRecon: An open cardiac MRI dataset for the competition of
accelerated image reconstruction [62.61209705638161]
ディープラーニングベースのCMRイメージングアルゴリズムへの関心が高まっている。
ディープラーニング手法は大規模なトレーニングデータセットを必要とする。
このデータセットには300人の被験者のマルチコントラスト、マルチビュー、マルチスライス、マルチコイルCMRイメージングデータが含まれている。
論文 参考訳(メタデータ) (2023-09-19T15:14:42Z) - Multi-scale, Data-driven and Anatomically Constrained Deep Learning
Image Registration for Adult and Fetal Echocardiography [4.923733944174007]
胎児と成人のエコーにおける深層学習画像登録のための3つの戦略を組み合わせた枠組みを提案する。
以上の結果から, 良好な解剖学的トポロジーと画像テクスチャは, 形状符号化およびデータ駆動型対向損失と強く結びついていることが判明した。
当社のアプローチは,光学フローやElastixなど,従来の非DLゴールド登録手法よりも優れています。
論文 参考訳(メタデータ) (2023-09-02T05:33:31Z) - Graph Neural Networks with Trainable Adjacency Matrices for Fault
Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。
グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。
グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文 参考訳(メタデータ) (2022-10-20T11:03:21Z) - SCAMPS: Synthetics for Camera Measurement of Physiological Signals [17.023803380199492]
SCAMPSは2,800本のビデオ (1.68Mフレーム) を含む合成物のデータセットである。
本研究は、心拍間隔、心拍変動、パルス到着時間など、基礎となる波形に関する記述統計を提供する。
論文 参考訳(メタデータ) (2022-06-08T23:48:41Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳(メタデータ) (2022-05-08T15:29:54Z) - Machine learning models and facial regions videos for estimating heart
rate: a review on Patents, Datasets and Literature [0.0]
心拍数の推定は、様々な状況においてユーザーを監視する上で重要である。
非侵襲的な方法で心臓情報を監視することができるため、顔ビデオに基づく推定がますます研究されている。
本研究では、機械学習モデルを用いて顔画像から心拍数を推定する利点と課題について検討する。
論文 参考訳(メタデータ) (2022-02-17T21:54:29Z) - A Supervised Learning Approach for Robust Health Monitoring using Face
Videos [32.157163136267954]
非接触型非接触型人体検知法は、特殊な心臓および血圧モニタリング装置の必要性をなくすことができる。
本稿では,市販のウェブカメラで撮影する顔ビデオのみを必要とする非接触方式を用いた。
提案手法では,顔のランドマークを用いて映像の各フレームの顔を検出する。
論文 参考訳(メタデータ) (2021-01-30T22:03:16Z) - Fed-Sim: Federated Simulation for Medical Imaging [131.56325440976207]
本稿では、2つの学習可能なニューラルモジュールからなる物理駆動型生成手法を提案する。
データ合成フレームワークは、複数のデータセットの下流セグメンテーション性能を改善する。
論文 参考訳(メタデータ) (2020-09-01T19:17:46Z) - 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) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳(メタデータ) (2020-05-24T10:32:49Z)
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。