論文の概要: Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG
- arxiv url: http://arxiv.org/abs/2307.12644v2
- Date: Fri, 18 Aug 2023 16:03:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 19:26:30.915590
- 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: r(pg photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。
本研究は,多種多様なデータセットを対象とした様々なrベンチマーク手法の評価を行い,妥当性評価と比較を行うためのフレームワークを提供することを目的とする。
- 参考スコア（独自算出の注目度）: 2.82697733014759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: rPPG (Remote photoplethysmography) is a technology that measures and analyzes
BVP (Blood Volume Pulse) by using the light absorption characteristics of
hemoglobin captured through a camera. Analyzing the measured BVP can derive
various physiological signals such as heart rate, stress level, and blood
pressure, which can be applied to various applications such as telemedicine,
remote patient monitoring, and early prediction of cardiovascular disease. rPPG
is rapidly evolving and attracting great attention from both academia and
industry by providing great usability and convenience as it can measure
biosignals using a camera-equipped device without medical or wearable devices.
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 and artifacts, which degrade accuracy
performance. We argue that fair and evaluable benchmarking is urgently required
to overcome these challenges and make meaningful progress from both academic
and commercial perspectives. In most existing work, models are trained, tested,
and validated only on limited datasets. Even worse, 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）: rPPG(Remote photoplethysmography)は、カメラで捉えたヘモグロビンの光吸収特性を用いてBVP(Blood Volume Pulse)を測定し、分析する技術である。
測定されたBVPの分析は、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を導き、遠隔医療、遠隔患者モニタリング、心血管疾患の早期予測などの様々な応用に適用することができる。
rPPGは急速に進化し、医療機器やウェアラブル機器を使わずにカメラを搭載したデバイスを使って生体信号を測定することができるため、学術と産業の両方から大きな注目を集めている。
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、その他のノイズやアーティファクトに関する問題など、深刻な課題が残っている。
我々は,このような課題を克服し,学術的・商業的な両面から有意義な進展をもたらすためには,公平かつ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
- A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - 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) - Camera-Based HRV Prediction for Remote Learning Environments [4.074837550066978]
顔ビデオから血流パルス信号を復元することは、波形を復元するための一連の前処理、画像アルゴリズム、後処理を含む難しい作業である。
r を通して HRV の指標を得る上での課題は、アルゴリズムが BVP のピーク位置を正確に予測する必要性である。
本稿では,58名の被験者を対象に,高度に同期されたビデオとラベルを32時間以上使用したRLAP(Remote Learning Affect and Physiology)データセットを収集した。
RLAPデータセットを用いて,1次元畳み込みに基づくモデルであるSeq-rを訓練し,実験結果が明らかになった。
論文 参考訳（メタデータ） (2023-05-07T02:26:00Z) - 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) - 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。