論文の概要: Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG
- arxiv url: http://arxiv.org/abs/2307.12644v1
- Date: Mon, 24 Jul 2023 09:35:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 14:51:53.313602
- Title: Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG
- Title(参考訳): リモートバイオセンシング: rPPGの評価のためのオープンソースベンチマークフレームワーク
- Authors: Dae Yeol Kim, Eunsu Goh, KwangKee Lee, JongEui Chae, JongHyeon Mun,
Junyeong Na, Chae-bong Sohn, Do-Yup Kim
- Abstract要約: リモート光合成法(Remote Photoplethhymography、r)は、ヘモグロビンの光吸収特性を利用して、カメラで捉え、血液量パルス(BVP)を分析し測定する技術である。
測定されたBVPを解析することにより、心拍数、ストレスレベル、血圧などの様々な生理的シグナルが導出され、心臓血管疾患の早期予測などの応用が可能になる。
この分野での広範な努力と進歩にもかかわらず、肌の色、カメラの特徴、周囲の照明、その他のノイズ源に関する問題など、パフォーマンスの精度を低下させる深刻な課題が残っている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Remote Photoplethysmography (rPPG) is a technology that utilizes the light
absorption properties of hemoglobin, captured via camera, to analyze and
measure blood volume pulse (BVP). By analyzing the measured BVP, various
physiological signals such as heart rate, stress levels, and blood pressure can
be derived, enabling applications such as the early prediction of
cardiovascular diseases. rPPG is a rapidly evolving field as it allows the
measurement of vital signals using camera-equipped devices without the need for
additional devices such as blood pressure monitors or pulse oximeters, and
without the assistance of medical experts. Despite extensive efforts and
advances in this field, serious challenges remain, including issues related to
skin color, camera characteristics, ambient lighting, and other sources of
noise, which degrade performance accuracy. We argue that fair and evaluable
benchmarking is urgently required to overcome these challenges and make any
meaningful progress from both academic and commercial perspectives. In most
existing work, models are trained, tested, and validated only on limited
datasets. Worse still, some studies lack available code or reproducibility,
making it difficult to fairly evaluate and compare performance. Therefore, the
purpose of this study is to provide a benchmarking framework to evaluate
various rPPG techniques across a wide range of datasets for fair evaluation and
comparison, including both conventional non-deep neural network (non-DNN) and
deep neural network (DNN) methods. GitHub URL:
https://github.com/remotebiosensing/rppg.
- Abstract(参考訳): remote photoplethysmography(rppg)は、カメラで捉えたヘモグロビンの光吸収特性を利用して血液容積パルス(bvp)を分析し測定する技術である。
測定したbvpの分析により、心拍数、ストレスレベル、血圧などの様々な生理的シグナルが導出され、心血管疾患の早期予測などの応用が可能となる。
rPPGは、血圧モニターやパルスオキシメータなどの追加の装置を必要とせず、医療専門家の助けなしにカメラ搭載デバイスを用いてバイタルシグナルを測定することができるため、急速に発展する分野である。
この分野での多大な努力と進歩にもかかわらず、肌の色、カメラ特性、環境照明、その他のノイズ源に関する問題など、パフォーマンスの正確さを損なうような深刻な課題が残っている。
これらの課題を克服し、学術的および商業的な見地から有意義な進歩をもたらすためには、公正で回避可能なベンチマークが緊急に必要であると主張する。
既存のほとんどの作業では、モデルは限られたデータセットでのみトレーニング、テスト、検証される。
さらに悪いことに、利用可能なコードや再現性に欠ける研究もあるため、パフォーマンスを適切に評価し比較することは困難である。
そこで本研究では,従来の非ディープニューラルネットワーク (non-DNN) とディープニューラルネットワーク (deep Neural Network, DNN) の両手法を含む,幅広いデータセットを対象とした様々な rPPG 技術の評価を行うベンチマークフレームワークを提案する。
GitHub URL: https://github.com/remotebiosensing/rppg
関連論文リスト
- Advancing Generalizable Remote Physiological Measurement through the
Integration of Explicit and Implicit Prior Knowledge [30.31568804817144]
リモート光胸腺撮影(remote photoplethysmography、r)は、顔ビデオから生理的信号をキャプチャする有望な技術である。
既存の方法の多くは r の事前の知識を見落としており、結果として一般化能力は劣る。
本稿では,rタスクにおける暗黙的,暗黙的な事前知識手法を同時に活用する新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-11T17:33:25Z) - Amplitude-Independent Machine Learning for PPG through Visibility Graphs
and Transfer Learning [16.79885220470521]
Photoplethysmography (Photoplethysmography)は、光を用いた血液量の変化の測定である。
光胸腺造影信号は、身体の循環系に関する洞察を与える。
光胸腺造影信号は、心拍数や血管老化などの様々な生体機能を引き出すために用いられる。
論文 参考訳(メタデータ) (2023-05-23T13:41:52Z) - Non-Contrastive Unsupervised Learning of Physiological Signals from
Video [4.8327232174895745]
ラベル付きビデオデータから解放される信号回帰を非コントラスト非教師付き学習フレームワークを提案する。
周期性と有限帯域幅の仮定は最小限であり,本手法では非競合ビデオから直接血液体積パルスを検出することができる。
論文 参考訳(メタデータ) (2023-03-14T14:34:51Z) - PulseImpute: A Novel Benchmark Task for Pulsative Physiological Signal
Imputation [54.839600943189915]
モバイルヘルス(英語: Mobile Health、mHealth)は、ウェアラブルセンサーを使用して、日常生活中の参加者の生理状態を高頻度で監視し、時間的に精度の高い健康介入を可能にする能力である。
豊富な計算文学にもかかわらず、既存の技術は多くのmHealthアプリケーションを構成する脈動信号には効果がない。
このギャップに対処するPulseImputeは、現実的なmHealth欠損モデル、幅広いベースラインセット、臨床関連下流タスクを含む、最初の大規模パルス信号計算チャレンジである。
論文 参考訳(メタデータ) (2022-12-14T21:39:15Z) - PACMAN: a framework for pulse oximeter digit detection and reading in a
low-resource setting [0.42897826548373363]
新型コロナウイルスのパンデミックを受けて、患者は毎日の酸素飽和度(SpO2)とパルスレート(PR)値を健康モニタリングシステムに手動で入力する必要がある。
光文字認識(OCR)を用いた捕獲画像からの生理的価値の検出の試み
本研究の目的は,低リソース深層学習型コンピュータビジョンを用いたPACMANという新しいフレームワークを提案することである。
論文 参考訳(メタデータ) (2022-12-09T16:22:28Z) - 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) - Data-Efficient Vision Transformers for Multi-Label Disease
Classification on Chest Radiographs [55.78588835407174]
視覚変換器(ViT)は一般的な画像の分類性能が高いにもかかわらず、このタスクには適用されていない。
ViTは、畳み込みではなくパッチベースの自己アテンションに依存しており、CNNとは対照的に、ローカル接続に関する事前の知識は存在しない。
以上の結果から,ViTとCNNのパフォーマンスはViTの利点に匹敵するものの,DeiTsはトレーニング用に適度に大規模なデータセットが利用可能であれば,前者よりも優れることがわかった。
論文 参考訳(メタデータ) (2022-08-17T09:07:45Z) - 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) - PhysFormer: Facial Video-based Physiological Measurement with Temporal
Difference Transformer [55.936527926778695]
近年のディープラーニングアプローチは、時間的受容の限られた畳み込みニューラルネットワークを用いた微妙なrの手がかりのマイニングに重点を置いている。
本稿では,エンドツーエンドのビデオトランスをベースとしたアーキテクチャであるPhysFormerを提案する。
論文 参考訳(メタデータ) (2021-11-23T18:57:11Z) - 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) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳(メタデータ) (2020-04-26T05:43:21Z)
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。