論文の概要: EarCough: Enabling Continuous Subject Cough Event Detection on Hearables

• arxiv url: http://arxiv.org/abs/2303.10445v1
• Date: Sat, 18 Mar 2023 16:03:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 19:19:00.717167
• Title: EarCough: Enabling Continuous Subject Cough Event Detection on Hearables
• Title（参考訳）: EarCough: 難聴者における連続的被聴者事象検出の実現
• Authors: Xiyuxing Zhang, Yuntao Wang, Jingru Zhang, Yaqing Yang, Shwetak Patel, Yuanchun Shi
• Abstract要約: 粗いモニタリングは、新しい個別の肺健康への応用を可能にする。 本稿では,エッジコンピューティングの可聴部における連続的な被写体コークス事象検出を可能にするEarCoughを提案する。
• 参考スコア（独自算出の注目度）: 19.116686904751873
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cough monitoring can enable new individual pulmonary health applications. Subject cough event detection is the foundation for continuous cough monitoring. Recently, the rapid growth in smart hearables has opened new opportunities for such needs. This paper proposes EarCough, which enables continuous subject cough event detection on edge computing hearables by leveraging the always-on active noise cancellation (ANC) microphones. Specifically, we proposed a lightweight end-to-end neural network model -- EarCoughNet. To evaluate the effectiveness of our method, we constructed a synchronous motion and audio dataset through a user study. Results show that EarCough achieved an accuracy of 95.4% and an F1-score of 92.9% with a space requirement of only 385 kB. We envision EarCough as a low-cost add-on for future hearables to enable continuous subject cough event detection.
• Abstract（参考訳）: cough monitoringは、新しい個別の肺健康アプリケーションを可能にする。 サブジェクト・カフ・イベント検出は連続カフ・モニタリングの基礎である。 近年,スマート補聴器の急速な成長により,このようなニーズに新たな機会が開けている。 本稿では,常時オンアクティブノイズキャンセリング(anc)マイクロホンを活用し,エッジコンピューティングにおいて連続的なカウイベント検出を可能にするイヤーカウを提案する。 具体的には、軽量なエンドツーエンドニューラルネットワークモデルであるEarCoughNetを提案する。 提案手法の有効性を評価するため,ユーザの学習を通して同期動作と音声データセットを構築した。 その結果、EarCoughの精度は95.4%、F1スコアは92.9%、空間要求は385kBであった。 我々は、earcoughを将来の聴き手のための低コストアドオンとして想定し、連続的な対象のcoughイベント検出を可能にする。

関連論文リスト

• Harnessing Smartwatch Microphone Sensors for Cough Detection and Classification [0.0]
  本研究では,マイクロホンセンサを内蔵したスマートウォッチを用いたコークスのモニタリングと各種のコークス検出の可能性について検討した。 参加者32名を対象に調査を行い,9時間分の音声データを制御的に収集した。 このデータを構造化した手法で処理した結果,223個の正の粗さサンプルが得られた。
  論文  参考訳（メタデータ） (2024-01-31T10:58:59Z)
• Pretraining Representations for Bioacoustic Few-shot Detection using Supervised Contrastive Learning [10.395255631261458]
  バイオ音響応用において、ほとんどのタスクにはラベル付きトレーニングデータはほとんど含まれない。 教師付きコントラスト学習フレームワークを用いてデータ拡張を活用することにより、スクラッチからリッチな特徴抽出器を学習することができることを示す。 我々は検証セットで63.46%、テストセットで42.7%のFスコアを取得し、DCASEチャレンジで2位となった。
  論文  参考訳（メタデータ） (2023-09-02T09:38:55Z)
• Segment-level Metric Learning for Few-shot Bioacoustic Event Detection [56.59107110017436]
  本稿では,モデル最適化時の肯定的事象と否定的事象の両方を利用するセグメントレベルの数ショット学習フレームワークを提案する。 本システムでは,DCASE2022チャレンジタスク5(DCASE2022-T5)のF値62.73の検証を行い,ベースラインプロトタイプネットワーク34.02の性能を大きなマージンで向上させる。
  論文  参考訳（メタデータ） (2022-07-15T22:41:30Z)
• A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
  臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。 提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
  論文  参考訳（メタデータ） (2021-11-10T19:39:26Z)
• CoughTrigger: Earbuds IMU Based Cough Detection Activator Using An Energy-efficient Sensitivity-prioritized Time Series Classifier [8.680417502791599]
  CoughTriggerは、耳栓の慣性測定ユニット(IMU)をコースティック検出アクティベーターとして使用している。 最小限のバッテリ使用量で、スタンバイサービスとして、オール・ザ・タイムで実行することができる。
  論文  参考訳（メタデータ） (2021-11-07T21:39:51Z)
• 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)
• Deep Neural Network based Cough Detection using Bed-mounted Accelerometer Measurements [6.004134549265193]
  我々は,患者のベッドに装着した加速度計から測定値に基づいて,うっ血検出を行った。 この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。 スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
  論文  参考訳（メタデータ） (2021-02-09T18:04:35Z)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
  本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。 このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
  論文  参考訳（メタデータ） (2020-08-06T23:11:57Z)
• Can Machine Learning Be Used to Recognize and Diagnose Coughs? [3.2265234594751155]
  呼吸器感染症のスクリーニングには,低複雑性,自動認識,診断ツールが有用である。 コンボリューショナルニューラルネットワーク (CNN) を用いて, 環境音のコアを検出し, 3つの潜在的な疾患を診断する。 提案された検出モデルと診断モデルはどちらも精度が89%以上であり、計算効率も高い。
  論文  参考訳（メタデータ） (2020-04-01T20:14:36Z)

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。