論文の概要: Personalized Anomaly Detection in PPG Data using Representation Learning and Biometric Identification

• arxiv url: http://arxiv.org/abs/2307.06380v1
• Date: Wed, 12 Jul 2023 18:05:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 16:47:52.041101
• Title: Personalized Anomaly Detection in PPG Data using Representation Learning and Biometric Identification
• Title（参考訳）: 表現学習と生体認証を用いたPSGデータの個人化異常検出
• Authors: Ramin Ghorbani, Marcel J.T. Reinders, and David M.J. Tax
• Abstract要約: 光胸腺造影信号は、継続的なフィットネス・ヘルスモニタリングに有意な可能性を秘めている。 Photoplethysmography信号は、一般的にウェアラブルデバイスから取得され、継続的なフィットネスと健康のモニタリングに重要な可能性を秘めている。 本稿では、表現学習とパーソナライズを利用した2段階のフレームワークを導入し、PSGデータの異常検出性能を改善する。
• 参考スコア（独自算出の注目度）: 3.8036939971290007
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Photoplethysmography (PPG) signals, typically acquired from wearable devices, hold significant potential for continuous fitness-health monitoring. In particular, heart conditions that manifest in rare and subtle deviating heart patterns may be interesting. However, robust and reliable anomaly detection within these data remains a challenge due to the scarcity of labeled data and high inter-subject variability. This paper introduces a two-stage framework leveraging representation learning and personalization to improve anomaly detection performance in PPG data. The proposed framework first employs representation learning to transform the original PPG signals into a more discriminative and compact representation. We then apply three different unsupervised anomaly detection methods for movement detection and biometric identification. We validate our approach using two different datasets in both generalized and personalized scenarios. The results show that representation learning significantly improves anomaly detection performance while reducing the high inter-subject variability. Personalized models further enhance anomaly detection performance, underscoring the role of personalization in PPG-based fitness-health monitoring systems. The results from biometric identification show that it's easier to distinguish a new user from one intended authorized user than from a group of users. Overall, this study provides evidence of the effectiveness of representation learning and personalization for anomaly detection in PPG data.
• Abstract（参考訳）: Photoplethysmography (PPG)信号は、一般的にウェアラブルデバイスから取得され、継続的なフィットネスと健康のモニタリングに重要な可能性を秘めている。 特に、稀で微妙な心のパターンに現れる心臓の状態は興味深い。 しかしながら、ラベル付きデータの不足とサブジェクト間の変動が大きいため、これらのデータ内のロバストで信頼性の高い異常検出は依然として課題である。 本稿では,ppgデータの異常検出性能を向上させるために,表現学習とパーソナライゼーションを利用した2段階フレームワークを提案する。 提案フレームワークはまず表現学習を用いて、元のPSG信号をより識別的でコンパクトな表現に変換する。 次に、動作検出と生体認証のための3つの異なる教師なし異常検出手法を適用した。 一般的なシナリオとパーソナライズされたシナリオの両方において、2つの異なるデータセットを使用してアプローチを検証する。 その結果,表現学習は物体間変動を低減しつつ,異常検出性能を著しく向上させることがわかった。 パーソナライズされたモデルはさらに異常検出性能を高め、ppgベースのフィットネスヘルスモニタリングシステムにおけるパーソナライズの役割を強調する。 生体認証の結果は、新しいユーザを意図した認証されたユーザと、ユーザグループと区別するのが簡単であることを示している。 本研究は, PPGデータの異常検出における表現学習とパーソナライズの有効性を示すものである。

関連論文リスト

• An Adaptive System for Wearable Devices to Detect Stress Using Physiological Signals [6.025332045004531]
  本稿では PPG と EDA 信号を用いたパーソナライズされたストレス検出のための適応フレームワークを提案する。 一般化されたモデルに依存する従来の手法とは異なり、このフレームワークは各ユーザにより高いストレス検出精度のパーソナライズされたモデルを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-07-21T19:52:44Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Spatial-temporal Memories Enhanced Graph Autoencoder for Anomaly Detection in Dynamic Graphs [52.956235109354175]
  動的グラフにおける異常検出は、グラフ構造と属性の時間的進化によって大きな課題となる。 空間記憶強調グラフオートエンコーダ(STRIPE)について紹介する。 STRIPEは、動的グラフの異なる空間的・時間的ダイナミクスを効果的に活用することにより、異常を識別する優れた能力を示した。
  論文  参考訳（メタデータ） (2024-03-14T02:26:10Z)
• ADFA: Attention-augmented Differentiable top-k Feature Adaptation for Unsupervised Medical Anomaly Detection [5.946143723117816]
  本稿では,画像異常検出のためのADFA(Attention-Augmented Differentiable Top-k Feature Adaptation)を提案する。 初期の特徴表現を抽出するために、ImageNetで事前訓練されたWR50ネットワーク。 次に,パッチ記述子をトレーニングし,抽出した特徴表現を新しいベクトル空間にマッピングするために,微分可能なトップk特徴適応を適用した。
  論文  参考訳（メタデータ） (2023-08-29T13:10:53Z)
• Brain subtle anomaly detection based on auto-encoders latent space analysis : application to de novo parkinson patients [0.0]
  パッチベースのオートエンコーダは、潜在空間によって提供される効率的な表現力を持ち、可視的病変検出には良い結果が得られた。 本研究は,多変量解析から派生した2つの代替検出基準を設計し,潜在空間表現から情報をより直接取得する。 パーキンソン病(PD)分類の難しい課題において,2つの指導的学習法と比較した。
  論文  参考訳（メタデータ） (2023-02-27T08:58:31Z)
• 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)
• Prototypical Residual Networks for Anomaly Detection and Localization [80.5730594002466]
  本稿では,PRN(Prototypeal Residual Network)というフレームワークを提案する。 PRNは、異常領域の分割マップを正確に再構築するために、異常領域と正常パターンの間の様々なスケールとサイズの特徴的残差を学習する。 異常を拡大・多様化するために,見かけの相違と外観の相違を考慮に入れた様々な異常発生戦略を提示する。
  論文  参考訳（メタデータ） (2022-12-05T05:03:46Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• SLA$^2$P: Self-supervised Anomaly Detection with Adversarial Perturbation [77.71161225100927]
  異常検出は、機械学習の基本的な問題であるが、難しい問題である。 本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
  論文  参考訳（メタデータ） (2021-11-25T03:53:43Z)
• Facial Anatomical Landmark Detection using Regularized Transfer Learning with Application to Fetal Alcohol Syndrome Recognition [24.27777060287004]
  出生前アルコール曝露による胎児アルコール症候群(FAS)は、一連の頭蓋顔面異常を引き起こす可能性がある。 解剖学的ランドマーク検出は,FAS関連顔面異常の検出に重要である。 自然画像における顔のランドマーク検出のために設計された現在のディープラーニングに基づく熱マップ回帰法は、大きなデータセットが利用できることを前提としている。 我々は,大規模な顔認識データセットから学習したネットワークの知識を活用する,新たな正規化トランスファー学習手法を開発した。
  論文  参考訳（メタデータ） (2021-09-12T11:05:06Z)
• Enhancing Unsupervised Anomaly Detection with Score-Guided Network [13.127091975959358]
  異常検出は、医療や金融システムなど、さまざまな現実世界のアプリケーションにおいて重要な役割を担っている。 正規データと異常データの間の異常スコアの差を学習・拡大するために,スコア誘導正規化を用いた新しいスコアネットワークを提案する。 次に,スコア誘導型オートエンコーダ(SG-AE)を提案する。
  論文  参考訳（メタデータ） (2021-09-10T06:14:53Z)

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。