論文の概要: Automatic Infant Respiration Estimation from Video: A Deep Flow-based
Algorithm and a Novel Public Benchmark
- arxiv url: http://arxiv.org/abs/2307.13110v1
- Date: Mon, 24 Jul 2023 19:59:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-26 19:04:15.706758
- Title: Automatic Infant Respiration Estimation from Video: A Deep Flow-based
Algorithm and a Novel Public Benchmark
- Title（参考訳）: ビデオからの乳幼児呼吸自動推定:ディープフローに基づくアルゴリズムと新しい公開ベンチマーク
- Authors: Sai Kumar Reddy Manne, Shaotong Zhu, Sarah Ostadabbas, Michael Wan
- Abstract要約: 本研究では,自然環境下での映像から呼吸速度と波形を推定する深層学習法を開発した。
本モデルでは,125本のビデオによる乳幼児呼吸データセットを作成した。
乳児のAIR-125データを用いて訓練, 試験を行ったところ, 呼吸速度推定における他の最先端手法よりも有意に優れていた。
- 参考スコア（独自算出の注目度）: 10.097634735211654
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Respiration is a critical vital sign for infants, and continuous respiratory
monitoring is particularly important for newborns. However, neonates are
sensitive and contact-based sensors present challenges in comfort, hygiene, and
skin health, especially for preterm babies. As a step toward fully automatic,
continuous, and contactless respiratory monitoring, we develop a deep-learning
method for estimating respiratory rate and waveform from plain video footage in
natural settings. Our automated infant respiration flow-based network
(AIRFlowNet) combines video-extracted optical flow input and spatiotemporal
convolutional processing tuned to the infant domain. We support our model with
the first public annotated infant respiration dataset with 125 videos
(AIR-125), drawn from eight infant subjects, set varied pose, lighting, and
camera conditions. We include manual respiration annotations and optimize
AIRFlowNet training on them using a novel spectral bandpass loss function. When
trained and tested on the AIR-125 infant data, our method significantly
outperforms other state-of-the-art methods in respiratory rate estimation,
achieving a mean absolute error of $\sim$2.9 breaths per minute, compared to
$\sim$4.7--6.2 for other public models designed for adult subjects and more
uniform environments.
- Abstract（参考訳）: 呼吸は幼児にとって重要な兆候であり、特に新生児には持続的呼吸モニタリングが重要である。
しかし、新生児は敏感であり、接触型センサーは特に早産児の快適性、衛生性、皮膚の健康に課題がある。
完全自動・連続・接触のない呼吸モニタリングに向けたステップとして,自然環境下での映像から呼吸速度と波形を推定する深層学習法を開発した。
自動乳幼児呼吸流ベースネットワーク(AIRFlowNet)は,乳幼児領域に調整された映像抽出光フロー入力と時空間畳み込み処理を併用する。
幼児の8人の被験者から抽出した125ビデオ(AIR-125)を用いた,最初の公称乳児呼吸データセット(AIR-125)で,ポーズ,照明,カメラ条件を設定した。
手動呼吸アノテーションを含み、新しいスペクトル帯域通過損失関数を用いてAIRFlowNetトレーニングを最適化する。
AIR-125乳児データを用いて訓練, 試験を行ったところ, 呼吸速度推定における他の最先端手法よりも有意に優れ, 平均絶対誤差は1分あたり$\sim$2.9 であり, 成人およびより均一な環境を想定した他の公共モデルでは$\sim$4.7--6.2 である。
関連論文リスト
- Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。
健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。
ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
論文 参考訳（メタデータ） (2024-09-05T02:14:31Z) - Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and
Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the
Human Connectome Development Cohort [55.41644538483948]
本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。
その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
論文 参考訳（メタデータ） (2023-07-03T18:06:36Z) - Object Detection During Newborn Resuscitation Activities [3.5661795505491445]
本稿では,2段階のプロセスを提案する。
最初のステップは、バッグマスクの蘇生装置や心拍センサーなど、関連するオブジェクトを検出し、追跡することだ。
運動中の物体検出性能は96.97 %(換気)、100 %(心拍センサーの装着/除去)、75 %(吸引)であった。
論文 参考訳（メタデータ） (2023-03-14T11:04:50Z) - Activity Recognition From Newborn Resuscitation Videos [3.54339629317433]
タンザニアのヘイドムで、ビデオを含む新生児の蘇生中に記録された信号のデータセットが収集された。
新生児の蘇生時に活動認識を行うための2段階のディープニューラルネットワークシステムORAA-netを提案する。
このシステムは、新生児の活動、刺激、換気、吸引を平均精度77.67 %、平均リコール77,64 %、平均精度92.40 %と認識した。
論文 参考訳（メタデータ） (2023-03-14T11:04:32Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-09-15T22:16:52Z) - Energy-Efficient Respiratory Anomaly Detection in Premature Newborn
Infants [1.845415610921548]
早産児のためのDeep Learning対応ウェアラブルモニタリングシステムを提案する。
乳児の体に装着した非侵襲的なウェアラブルBellypatchから無線で収集される信号を用いて呼吸停止を予測する。
ベースライン1DCNNモデルに比べて18倍低いエネルギーで93.33%の精度を達成する解を選択する。
論文 参考訳（メタデータ） (2022-02-21T23:15:03Z) - Prediction of Neonatal Respiratory Distress in Term Babies at Birth from
Digital Stethoscope Recorded Chest Sounds [2.466324275447402]
本報告では, デジタル聴診器を用いた1分後の胸部超音波検査について検討する。
このアルゴリズムは、それぞれ85.0%、66.7%、81.8%の特異性、感度、精度を生んだ。
論文 参考訳（メタデータ） (2022-01-25T05:46:52Z) - Sleep Apnea and Respiratory Anomaly Detection from a Wearable Band and
Oxygen Saturation [1.2291501047353484]
シンプルで使いやすいデバイスから睡眠時無呼吸を自動的に検出するより便利な方法のための一般的な医学とクリティカルケアの必要性があります。
本研究の目的は, 呼吸異常を自動検出し, Apnea-Hypopnea-Index (AHI) をウェアラブル呼吸装置で推定することである。
4つのモデルが訓練された:1つは呼吸機能のみを使用し、1つはSpO2(%)信号のみから、もう1つは呼吸機能とSpO2(%)機能を使用する2つの追加モデルである。
論文 参考訳（メタデータ） (2021-02-24T02:04:57Z) - 2-D Respiration Navigation Framework for 3-D Continuous Cardiac Magnetic
Resonance Imaging [61.701281723900216]
連続スキャン中に2次元呼吸情報を得るためのサンプリング適応を提案する。
我々は、取得した信号から異なる呼吸状態を抽出し、ある呼吸相からデータを再構成するパイプラインを開発した。
論文 参考訳（メタデータ） (2020-12-26T08:29:57Z) - Identification of deep breath while moving forward based on multiple
body regions and graph signal analysis [45.62293065676075]
本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。
検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
論文 参考訳（メタデータ） (2020-10-20T08:26:50Z)
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。