論文の概要: Speech-Based Blood Pressure Estimation with Enhanced Optimization and
Incremental Clustering
- arxiv url: http://arxiv.org/abs/2311.15098v1
- Date: Sat, 25 Nov 2023 18:55:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 21:52:04.723581
- Title: Speech-Based Blood Pressure Estimation with Enhanced Optimization and
Incremental Clustering
- Title(参考訳): 最適化と増分クラスタリングによる音声による血圧推定
- Authors: Vaishali Rajput, Preeti Mulay, Rajeev Raje
- Abstract要約: 本研究では,前処理,特徴抽出,リアルタイムアプリケーションに着目した正確なBP推定について検討する。
k-meansアルゴリズムとFact-Finding Instructor最適化アルゴリズムを取り入れた高度なクラスタリング戦略を導入し、精度を向上させる。
BP推定手法をYouTubeビデオの感情次元と統合することにより、現代メディア環境が健康にどのような影響を及ぼすか理解を深める。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blood Pressure (BP) estimation plays a pivotal role in diagnosing various
health conditions, highlighting the need for innovative approaches to overcome
conventional measurement challenges. Leveraging machine learning and speech
signals, this study investigates accurate BP estimation with a focus on
preprocessing, feature extraction, and real-time applications. An advanced
clustering-based strategy, incorporating the k-means algorithm and the proposed
Fact-Finding Instructor optimization algorithm, is introduced to enhance
accuracy. The combined outcome of these clustering techniques enables robust BP
estimation. Moreover, extending beyond these insights, this study delves into
the dynamic realm of contemporary digital content consumption. Platforms like
YouTube have emerged as influential spaces, presenting an array of videos that
evoke diverse emotions. From heartwarming and amusing content to intense
narratives, YouTube captures a spectrum of human experiences, influencing
information access and emotional engagement. Within this context, this research
investigates the interplay between YouTube videos and physiological responses,
particularly Blood Pressure (BP) levels. By integrating advanced BP estimation
techniques with the emotional dimensions of YouTube videos, this study enriches
our understanding of how modern media environments intersect with health
implications.
- Abstract(参考訳): 血圧(BP)推定は、様々な健康状態の診断において重要な役割を担い、従来の測定課題を克服するための革新的なアプローチの必要性を強調している。
機械学習と音声信号を活用することで,前処理,特徴抽出,リアルタイムアプリケーションに着目し,正確なBP推定を行う。
k-meansアルゴリズムとFact-Finding Instructor最適化アルゴリズムを取り入れた高度なクラスタリング戦略を導入し、精度を向上させる。
これらのクラスタリング手法の組み合わせにより、堅牢なBP推定が可能となる。
さらに、これらの知見を超えて、この研究は現代のデジタルコンテンツ消費のダイナミックな領域に展開する。
YouTubeのようなプラットフォームは影響力のある場所として現れ、多様な感情を喚起する一連のビデオを紹介している。
心温まるコンテンツから激しい物語まで、YouTubeは人間の体験を捉え、情報アクセスと感情的エンゲージメントに影響を与える。
この文脈で、本研究ではyoutubeビデオと生理的反応、特に血圧(bp)レベルの相互作用を調査している。
BP推定手法をYouTubeビデオの感情次元と統合することにより、現代メディア環境と健康への影響との相互作用の理解を深める。
関連論文リスト
- Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。
シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。
提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
論文 参考訳(メタデータ) (2024-12-23T13:05:17Z) - PITN: Physics-Informed Temporal Networks for Cuffless Blood Pressure Estimation [37.94387581519217]
逆相関学習を用いた物理インフォームド・テンポラル・ネットワーク(PITN)を導入し,非常に限られたデータで正確なBP推定を実現する。
具体的には,まず物理インフォームドニューラルネットワーク(PINN)を時間ブロックで拡張し,BP力学の多周期性について検討する。
次に, 対人訓練を駆使して生理的時系列データを生成し, スパースデータに面したPITNの堅牢性を向上させる。
論文 参考訳(メタデータ) (2024-08-16T02:17:21Z) - L-SFAN: Lightweight Spatially-focused Attention Network for Pain Behavior Detection [44.016805074560295]
慢性的な腰痛 (CLBP) は世界中の何百万もの患者を悩ませており、個人の健康や医療システムに対する経済的負担に大きな影響を及ぼす。
人工知能(AI)とディープラーニングは、リハビリ戦略を改善するために痛みに関連する行動を分析するための有望な道を提供するが、畳み込みニューラルネットワーク(CNN)を含む現在のモデルには限界がある。
我々は、モーションキャプチャーと表面筋電図センサからデータの空間的時間的相互作用をキャプチャする2Dフィルタを組み込んだ軽量CNNアーキテクチャであるhbox EmoL-SFANを紹介する。
論文 参考訳(メタデータ) (2024-06-07T12:01:37Z) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳(メタデータ) (2024-02-16T05:16:20Z) - Simulation-based Inference for Cardiovascular Models [43.55219268578912]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳(メタデータ) (2023-07-26T02:34:57Z) - Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation
of rPPG [2.82697733014759]
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。
論文 参考訳(メタデータ) (2023-07-24T09:35:47Z) - A Survey on Blood Pressure Measurement Technologies: Addressing
Potential Sources of Bias [4.0527913281804135]
血圧モニタリング(BP)は、心臓血管疾患の予防、診断、治療、管理において重要な役割を担っている。
最近のガイドラインでは、定期的な臨床訪問や自宅でのBPモニタリングが推奨されている。
BP測定は、測定やデバイスエラー、人口統計、身体習慣などの要因によって、かなりのバイアスとばらつきを示す可能性がある。
論文 参考訳(メタデータ) (2023-06-14T11:51:11Z) - Benchmarking Heterogeneous Treatment Effect Models through the Lens of
Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。
ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。
我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文 参考訳(メタデータ) (2022-06-16T17:59:05Z) - A predictive analytics approach for stroke prediction using machine
learning and neural networks [4.984181486695979]
本稿では,脳卒中予測のための電子健康記録の諸因子を系統的に分析する。
年齢、心臓病、平均血糖値、高血圧が脳卒中を検出する最も重要な要因である。
これら4つの属性を用いたパーセプトロンニューラルネットワークは、最高精度と最低ミス率を提供する。
論文 参考訳(メタデータ) (2022-03-01T14:45:15Z) - A Novel Clustering-Based Algorithm for Continuous and Non-invasive
Cuff-Less Blood Pressure Estimation [0.0]
心電図(ECG)信号と動脈血圧(ABP)データから抽出した特徴に基づく血圧推定法を開発した。
クラスタリング手法を適用して, モデル作成の精度を高く評価し, 比較した。
以上の結果から,SBP (Systolic Blood Pressure) とDBP (Distolic Blood Pressure) の精度が向上することが示唆された。
論文 参考訳(メタデータ) (2021-10-13T19:16:10Z) - Predictive Coding Can Do Exact Backpropagation on Any Neural Network [40.51949948934705]
計算グラフ上で直接定義することで(ILと)Z-ILを一般化する。
これは、任意のニューラルネットワーク上のパラメータを更新する方法でBPと同等であることが示されている最初の生物学的に実行可能なアルゴリズムです。
論文 参考訳(メタデータ) (2021-03-08T11:52:51Z)
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。