論文の概要: Subtle Signals: Video-based Detection of Infant Non-nutritive Sucking as
a Neurodevelopmental Cue
- arxiv url: http://arxiv.org/abs/2310.16138v1
- Date: Tue, 24 Oct 2023 19:26:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-26 18:29:09.525299
- Title: Subtle Signals: Video-based Detection of Infant Non-nutritive Sucking as
a Neurodevelopmental Cue
- Title（参考訳）: 下位信号:脳神経発達過程としての乳児非栄養摂取の検出
- Authors: Shaotong Zhu, Michael Wan, Sai Kumar Reddy Manne, Emily Zimmerman,
Sarah Ostadabbas
- Abstract要約: 非栄養吸引(Non-nutritive sucking、NNS)は、健康な早期発達を評価する上で重要な役割を担っている。
NNS活性は突然の幼児死亡症候群(SIDS)に対する潜在的防御として提案されている。
本研究では,自然環境下でのベビーモニター映像を用いたNNS活動の非接触検出のためのビジョンベースアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 11.1943906461896
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Non-nutritive sucking (NNS), which refers to the act of sucking on a
pacifier, finger, or similar object without nutrient intake, plays a crucial
role in assessing healthy early development. In the case of preterm infants,
NNS behavior is a key component in determining their readiness for feeding. In
older infants, the characteristics of NNS behavior offer valuable insights into
neural and motor development. Additionally, NNS activity has been proposed as a
potential safeguard against sudden infant death syndrome (SIDS). However, the
clinical application of NNS assessment is currently hindered by labor-intensive
and subjective finger-in-mouth evaluations. Consequently, researchers often
resort to expensive pressure transducers for objective NNS signal measurement.
To enhance the accessibility and reliability of NNS signal monitoring for both
clinicians and researchers, we introduce a vision-based algorithm designed for
non-contact detection of NNS activity using baby monitor footage in natural
settings. Our approach involves a comprehensive exploration of optical flow and
temporal convolutional networks, enabling the detection and amplification of
subtle infant-sucking signals. We successfully classify short video clips of
uniform length into NNS and non-NNS periods. Furthermore, we investigate manual
and learning-based techniques to piece together local classification results,
facilitating the segmentation of longer mixed-activity videos into NNS and
non-NNS segments of varying duration. Our research introduces two novel
datasets of annotated infant videos, including one sourced from our clinical
study featuring 19 infant subjects and 183 hours of overnight baby monitor
footage.
- Abstract（参考訳）: 栄養素を摂取せずにおしゃぶり、指または類似の物体を吸う行為である非栄養吸引(non-nutritive sucking, nns)は、健康な初期発達を評価する上で重要な役割を果たす。
早産児の場合、NNS行動は摂食準備度を決定する重要な要素である。
年長の幼児では、nns行動の特徴は神経および運動発達に関する貴重な洞察を与える。
さらに、突発性乳幼児死亡症候群(SIDS)の予防としてNNS活性が提案されている。
しかし、NNS評価の臨床応用は、現在、労働集約的および主観的指先評価によって妨げられている。
そのため、研究者はしばしば、客観的なNS信号測定のために高価な圧力変換器を利用する。
臨床医と研究者双方のNS信号監視のアクセシビリティと信頼性を高めるため,自然環境下でのベビーモニター映像を用いたNNS活動の非接触検出のためのビジョンベースアルゴリズムを提案する。
本手法では,乳幼児の微妙な信号の検出と増幅を可能にするため,光学的流れと時間的畳み込みネットワークを包括的に探索する。
均一長の短いビデオクリップをNNSおよび非NNS周期に分類することに成功した。
さらに,NNSおよび非NNSセグメントに長い混合能動画を分割し,局所的な分類結果をまとめる手動および学習に基づく手法について検討した。
本研究は,19名の乳児と183時間の乳児モニター映像を含む,乳児の注釈付きビデオの2つの新しいデータセットを紹介した。
関連論文リスト
- Digit Recognition using Multimodal Spiking Neural Networks [3.046906600991174]
スパイキングニューラルネットワーク(SNN)は、生物学的にデータ処理にインスパイアされた第3世代のニューラルネットワークである。
SNNは、そのニューロモルフィック性のためにイベントベースのデータを処理するために使用される。
論文 参考訳（メタデータ） (2024-08-31T22:27:40Z) - Dynamic Gaussian Splatting from Markerless Motion Capture can
Reconstruct Infants Movements [2.44755919161855]
本研究は,多様な臨床集団に適用可能な高度な運動分析ツールの道を開くものである。
マーカーレスモーションキャプチャーデータに対する動的ガウススプラッティングの適用について検討した。
以上の結果から,この手法が乳幼児の情景を表現し,乳幼児の動きを追跡できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-10-30T11:09:39Z) - Spiking-LEAF: A Learnable Auditory front-end for Spiking Neural Networks [53.31894108974566]
Spiking-LEAFは、SNNベースの音声処理用に慎重に設計された学習可能な聴覚フロントエンドである。
キーワードスポッティングと話者識別タスクにおいて、提案したSpking-LEAFは、聴覚フロントエンドのSOTAよりも優れている。
論文 参考訳（メタデータ） (2023-09-18T04:03:05Z) - A Video-based End-to-end Pipeline for Non-nutritive Sucking Action
Recognition and Segmentation in Young Infants [15.049449914396462]
非栄養吸引は発達遅延の潜在的なバイオマーカーである。
NNSの臨床評価の障壁の1つは、その疎さにある。
提案手法は,基礎となるNS行動認識アルゴリズムに基づいている。
論文 参考訳（メタデータ） (2023-03-29T17:24:21Z) - NeuroExplainer: Fine-Grained Attention Decoding to Uncover Cortical
Development Patterns of Preterm Infants [73.85768093666582]
我々はNeuroExplainerと呼ばれる説明可能な幾何学的深層ネットワークを提案する。
NeuroExplainerは、早産に伴う幼児の皮質発達パターンの解明に使用される。
論文 参考訳（メタデータ） (2023-01-01T12:48:12Z) - The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。
これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。
このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。
我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
論文 参考訳（メタデータ） (2022-02-27T23:12:43Z) - Transfer Learning of Deep Spatiotemporal Networks to Model Arbitrarily
Long Videos of Seizures [58.720142291102135]
てんかん患者の治療には, てんかんセミノロジーの詳細な分析が重要である。
本稿では、畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)を組み合わせた新しいアーキテクチャであるGESTURESを紹介する。
本稿では,HARデータセットでトレーニングしたSTCNNとRNNを組み合わせて,任意の長さの発作映像を正確に表現できることを示す。
論文 参考訳（メタデータ） (2021-06-22T18:40:31Z) - Provably-Robust Runtime Monitoring of Neuron Activation Patterns [0.0]
ディープニューラルネットワークの入力がトレーニングで使用されるデータと似ている場合、運用時間で監視することが望ましい。
モニタ構築プロセス内に公式な記号的推論を統合することで,この問題に対処する。
証明可能な堅牢性は、単一のニューロンの監視が複数のビット以上を使用する場合にさらに一般化される。
論文 参考訳（メタデータ） (2020-11-24T08:37:18Z) - Little Motion, Big Results: Using Motion Magnification to Reveal Subtle
Tremors in Infants [0.0]
妊娠中にオピオイドに曝露された幼児は、出生後に退院の兆候や症状がしばしば現れる。
新生児失禁症候群(Neonatal Abstinence Syndrome,NAS)と呼ばれる臨床像の星座には、震動、発作、刺激性などが含まれる。
FNASSによるモニタリングは、高度に熟練した看護スタッフを必要とし、継続的な監視を困難にしている。
本稿では,増幅された動き信号を用いた地震自動検出システムを提案する。
論文 参考訳（メタデータ） (2020-08-01T15:35:55Z) - Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and
Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。
網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。
近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。
本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。
提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文 参考訳（メタデータ） (2020-04-03T14:07:41Z) - Rectified Linear Postsynaptic Potential Function for Backpropagation in
Deep Spiking Neural Networks [55.0627904986664]
スパイキングニューラルネットワーク(SNN)は、時間的スパイクパターンを用いて情報を表現し、伝達する。
本稿では,情報符号化,シナプス可塑性,意思決定におけるスパイクタイミングダイナミクスの寄与について検討し,将来のDeepSNNやニューロモルフィックハードウェアシステムの設計への新たな視点を提供する。
論文 参考訳（メタデータ） (2020-03-26T11:13:07Z)
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。