論文の概要: Hallucinated Heartbeats: Anomaly-Aware Remote Pulse Estimation

• arxiv url: http://arxiv.org/abs/2303.06452v1
• Date: Sat, 11 Mar 2023 17:09:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-14 18:51:07.078118
• Title: Hallucinated Heartbeats: Anomaly-Aware Remote Pulse Estimation
• Title（参考訳）: 幻覚的心拍数:異常を意識したリモートパルス推定
• Authors: Jeremy Speth, Nathan Vance, Benjamin Sporrer, Lu Niu, Patrick Flynn, Adam Czajka
• Abstract要約: 実検体のみで訓練されたディープラーニングモデルは、異常なビデオに本物の形のパルスを"幻覚"させる。 提案した訓練(75.8%)を取り入れた深層学習モデルの精度は,定期訓練(73.7%)と手作りr法(52-62%)と比較して向上した。
• 参考スコア（独自算出の注目度）: 4.358339450050692
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Camera-based physiological monitoring, especially remote photoplethysmography (rPPG), is a promising tool for health diagnostics, and state-of-the-art pulse estimators have shown impressive performance on benchmark datasets. We argue that evaluations of modern solutions may be incomplete, as we uncover failure cases for videos without a live person, or in the presence of severe noise. We demonstrate that spatiotemporal deep learning models trained only with live samples "hallucinate" a genuine-shaped pulse on anomalous and noisy videos, which may have negative consequences when rPPG models are used by medical personnel. To address this, we offer: (a) An anomaly detection model, built on top of the predicted waveforms. We compare models trained in open-set (unknown abnormal predictions) and closed-set (abnormal predictions known when training) settings; (b) An anomaly-aware training regime that penalizes the model for predicting periodic signals from anomalous videos. Extensive experimentation with eight research datasets (rPPG-specific: DDPM, CDDPM, PURE, UBFC, ARPM; deep fakes: DFDC; face presentation attack detection: HKBU-MARs; rPPG outlier: KITTI) show better accuracy of anomaly detection for deep learning models incorporating the proposed training (75.8%), compared to models trained regularly (73.7%) and to hand-crafted rPPG methods (52-62%).
• Abstract（参考訳）: カメラベースの生理学的モニタリング、特にリモートフォトプレチモグラフィ(rppg)は、健康診断に有望なツールであり、最先端のパルス推定器はベンチマークデータセットで印象的なパフォーマンスを示している。 我々は、生の人物がいないビデオや激しいノイズがある場合の失敗事例を明らかにするため、現代のソリューションの評価は不完全かもしれないと主張している。 実検体のみを訓練した時空間深層学習モデルでは,rPPGモデルが医療従事者によって使用される場合,真の形状のパルスを異常ビデオやノイズビデオに"幻覚する"ことが示される。 これに対処するために、私たちはこう提案します。 (a)予測波形上に構築された異常検出モデル。 オープンセット(未知の異常予測)とクローズセット(トレーニング時に既知の異常予測)で訓練されたモデルを比較する。 (b)異常映像から周期的信号を予測するモデルにペナルティを課す異常認識訓練体制。 DDPM, CDDPM, PURE, UBFC, ARPM, Deep fakes: DFDC, face presentation attack Detection: HKBU-MARs; rPPG outlier: KITTI) という8つの研究データセットによる大規模な実験では、提案されたトレーニング(75.8%)を組み込んだディープラーニングモデルの異常検出の精度が、定期的に訓練されたモデル(73.7%)や手作りのrPPG法(52-62%)と比較して高い。

関連論文リスト

• KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate from a Smartwatch [3.329222353111594]
  本稿では,適応線形フィルタリング,深層確率推論,データ拡張による知識情報の統合型ディープラーニングモデルを提案する。 以上の結果から,先行知識を深層学習モデルに組み込むことにより,心拍追跡の大幅な改善が示された。 このアプローチは、ディープラーニングモデルに既存のエキスパート知識を取り入れることで、様々なバイオメディカル応用の強化を約束する。
  論文  参考訳（メタデータ） (2024-05-02T16:56:09Z)
• Towards Enhanced Analysis of Lung Cancer Lesions in EBUS-TBNA -- A Semi-Supervised Video Object Detection Method [0.0]
  本研究は, 子宮内膜超音波(EBUS)を用いた肺病変のコンピュータ診断システムの構築を目的とする。 これまでの研究では、EBUS-TBNAへのオブジェクト検出モデルの適用が不足していた。
  論文  参考訳（メタデータ） (2024-04-02T13:23:21Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• 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)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• EEG-Fest: Few-shot based Attention Network for Driver's Vigilance Estimation with EEG Signals [160.57870373052577]
  運転士の警戒の欠如は、ほとんどの車両事故の主な原因である。 EEGはドライバーの眠気推定のための信頼性と効率的なツールである。
  論文  参考訳（メタデータ） (2022-11-07T21:35:08Z)
• Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel EEG Signal [63.18666008322476]
  睡眠障害は、世界中の主要な病気の1つです。 専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。 専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
  論文  参考訳（メタデータ） (2021-03-30T09:59:56Z)
• Weakly Supervised Arrhythmia Detection Based on Deep Convolutional Neural Network [5.967433492643221]
  教師付き深層学習は自動心電図分類の研究に広く用いられている。 既存の大規模なECGデータセットのほとんどは、ほぼ注釈付きであるため、トレーニングされた分類モデルは、記録全体における異常の存在のみを検出することができます。 本研究では,異常心電図とその発生時間を検出するための弱教師付き深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-10T12:59:33Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)

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。