論文の概要: SlAction: Non-intrusive, Lightweight Obstructive Sleep Apnea Detection using Infrared Video

• arxiv url: http://arxiv.org/abs/2309.02713v1
• Date: Wed, 6 Sep 2023 04:52:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 16:44:27.140605
• Title: SlAction: Non-intrusive, Lightweight Obstructive Sleep Apnea Detection using Infrared Video
• Title（参考訳）: 赤外線ビデオによる無刺激・軽量睡眠時無呼吸検出
• Authors: You Rim Choi, Gyeongseon Eo, Wonhyuck Youn, Hyojin Lee, Haemin Jang, Dongyoon Kim, Hyunwoo Shin, Hyung-Sin Kim
• Abstract要約: 閉塞性睡眠時無呼吸症(Osstructive sleep apnea,OSA)は、全世界で約10億人の人が発症する睡眠障害である。 Infrared video を用いた日常睡眠環境のための非侵入型OSA検出システム SlAction を提案する。
• 参考スコア（独自算出の注目度）: 1.850099608285478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Obstructive sleep apnea (OSA) is a prevalent sleep disorder affecting approximately one billion people world-wide. The current gold standard for diagnosing OSA, Polysomnography (PSG), involves an overnight hospital stay with multiple attached sensors, leading to potential inaccuracies due to the first-night effect. To address this, we present SlAction, a non-intrusive OSA detection system for daily sleep environments using infrared videos. Recognizing that sleep videos exhibit minimal motion, this work investigates the fundamental question: "Are respiratory events adequately reflected in human motions during sleep?" Analyzing the largest sleep video dataset of 5,098 hours, we establish correlations between OSA events and human motions during sleep. Our approach uses a low frame rate (2.5 FPS), a large size (60 seconds) and step (30 seconds) for sliding window analysis to capture slow and long-term motions related to OSA. Furthermore, we utilize a lightweight deep neural network for resource-constrained devices, ensuring all video streams are processed locally without compromising privacy. Evaluations show that SlAction achieves an average F1 score of 87.6% in detecting OSA across various environments. Implementing SlAction on NVIDIA Jetson Nano enables real-time inference (~3 seconds for a 60-second video clip), highlighting its potential for early detection and personalized treatment of OSA.
• Abstract（参考訳）: 閉塞性睡眠時無呼吸症(Osstructive sleep apnea,OSA)は、全世界で約10億人の睡眠障害である。 OSA(Polysomnography、PSG)を診断するための現在の金の標準は、複数のセンサーを装着した一晩の病院滞在である。 そこで本研究では,赤外線ビデオを用いた日常睡眠環境における非侵入型OSA検出システムであるSlActionを提案する。 この研究は、睡眠ビデオが最小の動作を示すことを認識し、「睡眠中の人間の動きに適切に反映された呼吸現象があるか? 最大5,098時間の睡眠ビデオデータセットを分析し、OSAイベントと睡眠中の人間の動きの相関関係を確立する。 提案手法では,低フレームレート(2.5FPS),大サイズ(60秒),ステップ(30秒)を用いてウィンドウ解析を行い,OSAに関連するスロー・長期動作を捉える。 さらに,リソース制約のあるデバイスに対して,軽量なディープニューラルネットワークを利用することで,すべてのビデオストリームがプライバシを損なうことなくローカルに処理されることを保証する。 評価の結果、SlActionは様々な環境におけるOSA検出において平均F1スコア87.6%を達成した。 NVIDIA Jetson Nano上でSlActionを実装することで、リアルタイム推論(60秒のビデオクリップで約3秒)が可能になり、OSAの早期検出とパーソナライズされた処理の可能性を強調している。

関連論文リスト

• SleepVST: Sleep Staging from Near-Infrared Video Signals using Pre-Trained Transformers [0.6599755599064447]
  本研究では,カメラベース睡眠ステージ分類における最先端性能を実現するトランスフォーマーモデルであるSleepVSTを紹介する。 本研究では,ビデオから抽出した呼吸波形にSleepVSTをうまく移行させることにより,完全接触型睡眠ステージリングが可能となることを示す。
  論文  参考訳（メタデータ） (2024-04-04T23:24:14Z)
• Deep Learning-Enabled Sleep Staging From Vital Signs and Activity Measured Using a Near-Infrared Video Camera [1.0499611180329802]
  我々は、近赤外線ビデオカメラから得られる心拍数、呼吸速度、活動測定値を用いて睡眠ステージ分類を行う。 我々は4クラス睡眠段階分類において73.4%の精度とコーエンのカッパ0.61の精度を達成した。
  論文  参考訳（メタデータ） (2023-06-06T14:21:22Z)
• Attention-based Learning for Sleep Apnea and Limb Movement Detection using Wi-Fi CSI Signals [6.682252544052753]
  本研究では,睡眠時無呼吸および肢運動検出システム(ALESAL)の注意に基づく学習を提案する。 提案したALESALシステムは84.33の重み付きF1スコアを達成でき、既存のサポートベクトルマシンとディープ多層パーセプトロンの非アテンションに基づく他の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-03-26T19:40:37Z)
• SleepMore: Sleep Prediction at Scale via Multi-Device WiFi Sensing [0.0]
  本研究では,ユーザのWiFiネットワーク上での機械学習に基づく,正確な睡眠追跡手法であるSleepMoreを提案する。 46人の大学生を対象とした1ヶ月にわたるユーザー調査データを用いて、SleepMoreを検証し、Oura Ringウェアラブルと比較した。 以上の結果から,SleepMoreは,5%の不確かさ率以内の予測のために,Ouraリングベースラインから統計的に識別不能な睡眠統計を発生させることが示された。
  論文  参考訳（メタデータ） (2022-10-24T16:42:56Z)
• ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
  時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。 我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。 ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-05-14T21:16:21Z)
• E^2TAD: An Energy-Efficient Tracking-based Action Detector [78.90585878925545]
  本稿では,事前定義されたキーアクションを高精度かつ効率的にローカライズするためのトラッキングベースソリューションを提案する。 UAV-Video Track of 2021 Low-Power Computer Vision Challenge (LPCVC)で優勝した。
  論文  参考訳（メタデータ） (2022-04-09T07:52:11Z)
• Argus++: Robust Real-time Activity Detection for Unconstrained Video Streams with Overlapping Cube Proposals [85.76513755331318]
  Argus++は、制約のないビデオストリームを分析するための堅牢なリアルタイムアクティビティ検出システムである。 システム全体としては、スタンドアロンのコンシューマレベルのハードウェア上でのリアルタイム処理に最適化されている。
  論文  参考訳（メタデータ） (2022-01-14T03:35:22Z)
• In-Bed Person Monitoring Using Thermal Infrared Sensors [53.561797148529664]
  パナソニックグリッド(Panasonic Grid-EYE)は、低解像度の赤外線サーモパイルアレイセンサーで、よりプライバシーを提供する。 この目的のために、2つのデータセットが取得され、1つ (480 画像) は一定条件で、もう1つ (200 画像) は異なるバリエーションで取得された。 我々は、SVM(Support Vector Machines)、k-Nearest Neighbors(k-NN)、Neural Network(NN)の3つの機械学習アルゴリズムをテストする。
  論文  参考訳（メタデータ） (2021-07-16T15:59:07Z)
• Human POSEitioning System (HPS): 3D Human Pose Estimation and Self-localization in Large Scenes from Body-Mounted Sensors [71.29186299435423]
  HPS(Human POSEitioning System)は、周囲の環境の3Dスキャンで登録された人間の完全な3Dポーズを回復する手法です。 最適化に基づく統合は2つの利点を生かし、結果としてドリフトのないポーズの精度が得られることを示す。 hpsは、人間が外部カメラに直接視線を向けなくてもシーンと対話できるvr/arアプリケーションとして使用できる。
  論文  参考訳（メタデータ） (2021-03-31T17:58:31Z)
• WiSleep: Scalable Sleep Monitoring and Analytics Using Passive WiFi Sensing [0.0]
  WiSleepは、WiFiインフラから受動的に感知されるスマートフォンネットワーク接続を使用した睡眠監視および分析プラットフォームである。 本研究では,睡眠時間と覚醒時間を予測するため,ベイズ変化点検出の教師なしアンサンブルモデルを提案する。 WiSleepは、単一のコモディティサーバ上で2万人のユーザからのデータを処理することができ、サーバ要求の少ない大規模なキャンパスにスケールできることを示す。
  論文  参考訳（メタデータ） (2021-02-07T00:05:14Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。