論文の概要: Phase-shifted remote photoplethysmography for estimating heart rate and
blood pressure from facial video
- arxiv url: http://arxiv.org/abs/2401.04560v2
- Date: Wed, 6 Mar 2024 00:46:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 20:41:27.386734
- Title: Phase-shifted remote photoplethysmography for estimating heart rate and
blood pressure from facial video
- Title（参考訳）: 顔映像から心拍数と血圧を推定するための位相シフト型遠隔光胸シンチグラフィ
- Authors: Gyutae Hwang, Sang Jun Lee
- Abstract要約: 心拍数と血圧は、心臓血管系のモニタリングにとって重要な生体情報である。
本論文では,心拍数と血圧を推定する視覚的手法を提案する。
本論文では,2段階の深層学習フレームワークを,BP-NetとBBP-Netで構成する。
- 参考スコア（独自算出の注目度）: 5.189602489149301
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Human health can be critically affected by cardiovascular diseases, such as
hypertension, arrhythmias, and stroke. Heart rate and blood pressure are
important biometric information for the monitoring of cardiovascular system and
early diagnosis of cardiovascular diseases. Existing methods for estimating the
heart rate are based on electrocardiography and photoplethyomography, which
require contacting the sensor to the skin surface. Moreover, catheter and
cuff-based methods for measuring blood pressure cause inconvenience and have
limited applicability. Therefore, in this thesis, we propose a vision-based
method for estimating the heart rate and blood pressure. This thesis proposes a
2-stage deep learning framework consisting of a dual remote
photoplethysmography network (DRP-Net) and bounded blood pressure network
(BBP-Net). In the first stage, DRP-Net infers remote photoplethysmography
(rPPG) signals for the acral and facial regions, and these phase-shifted rPPG
signals are utilized to estimate the heart rate. In the second stage, BBP-Net
integrates temporal features and analyzes phase discrepancy between the acral
and facial rPPG signals to estimate SBP and DBP values. To improve the accuracy
of estimating the heart rate, we employed a data augmentation method based on a
frame interpolation model. Moreover, we designed BBP-Net to infer blood
pressure within a predefined range by incorporating a scaled sigmoid function.
Our method resulted in estimating the heart rate with the mean absolute error
(MAE) of 1.78 BPM, reducing the MAE by 34.31 % compared to the recent method,
on the MMSE-HR dataset. The MAE for estimating the systolic blood pressure
(SBP) and diastolic blood pressure (DBP) were 10.19 mmHg and 7.09 mmHg. On the
V4V dataset, the MAE for the heart rate, SBP, and DBP were 3.83 BPM, 13.64
mmHg, and 9.4 mmHg, respectively.
- Abstract（参考訳）: ヒトの健康は高血圧、不整脈、脳卒中などの心血管疾患に深刻な影響を受けることがある。
心拍数と血圧は、循環器系のモニタリングと心血管疾患の早期診断に重要な生体情報である。
既存の心拍数を推定する方法は、センサを皮膚表面に接触させる必要のある心電図と光胸腔造影に基づいている。
さらに、血圧測定のためのカテーテルおよびカフ法は不便であり、適用性に制限がある。
そこで本論文では,心拍数と血圧を視覚的に推定する手法を提案する。
本論文では,2段階の深層学習フレームワークとして,DRP-NetとBBP-Netを併用した2段階の深層学習手法を提案する。
第1段階では、drp-netが頭蓋および顔面領域の遠隔光胸腺造影(rppg)信号を推定し、これらの位相シフトrppg信号を用いて心拍数を推定する。
第2段階では、BBP-Netは時間的特徴を統合し、アクラル信号と顔面rPPG信号の位相差を分析し、SBPとDBPの値を推定する。
心拍数を推定する精度を向上させるため,フレーム補間モデルに基づくデータ拡張手法を適用した。
さらに, bbp-net は, スケールド・シグモイド機能を組み込むことにより, 血圧を予め定義された範囲内で推定する。
その結果,平均絶対誤差(MAE)を1.78 BPMと推定し,最近のMMSE-HRデータセットと比較すると,MAEを34.31%削減した。
収縮期血圧 (SBP) と拡張期血圧 (DBP) を推定するためのMAEは10.19 mmHg, 7.09 mmHgであった。
V4Vデータセットでは、心拍数のMAE、SBP、DBPはそれぞれ3.83 BPM、13.64 mmHg、9.4 mmHgであった。
関連論文リスト
- Adversarial Contrastive Learning Based 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。
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) - A Finger on the Pulse of Cardiovascular Health: Estimating Blood Pressure with Smartphone Photoplethysmography-Based Pulse Waveform Analysis [2.4347312660509672]
本研究は, 血圧推定のためのスマートフォンを用いた光プラチスモグラフィー(SPW-BP)の革新的4つの戦略を提案する。
我々は,高次正規化やデータ削除,境界信号再構成など,しばしば無視されるデータ品質改善技術を採用している。
相関とSHAP分析はBP推定を改善するための重要な特徴を同定した。
しかし, Bland-Altman 分析では系統的偏りがみられ, MAE 解析ではAAMI と BHS の精度基準を満たしていないことがわかった。
論文 参考訳（メタデータ） (2024-01-20T05:05:17Z) - BrainZ-BP: A Non-invasive Cuff-less Blood Pressure Estimation Approach
Leveraging Brain Bio-impedance and Electrocardiogram [2.295711231919421]
脳バイオインダプタンス(BIOZ)は、非侵襲的頭蓋内圧モニタリング(ICP)のための有望な技術である。
脳BIOZ測定のために、頭部前頭骨と後頭骨に2つの電極を配置する。
脈波伝達時間とBIOZの形態的特徴を抽出し, BP推定のための4つの回帰モデルに入力した。
その結果,無作為森林回帰モデルの平均絶対誤差,根平均二乗誤差,相関係数は2.17 mmHg,3.91 mmHg,0.90であることがわかった。
論文 参考訳（メタデータ） (2023-11-18T07:10:32Z) - Video-based sympathetic arousal assessment via peripheral blood flow
estimation [46.695433930419945]
顔や手の末梢血流を光学的に測定して交感神経刺激を推定する新しい手法を提案する。
前頭,指,手のひらから交感神経刺激が最善であることを示す。
論文 参考訳（メタデータ） (2023-11-12T19:06:33Z) - Improving Diffusion Models for ECG Imputation with an Augmented Template
Prior [43.6099225257178]
ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。
近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。
本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
論文 参考訳（メタデータ） (2023-10-24T11:34:15Z) - Quality Assessment of Photoplethysmography Signals For Cardiovascular
Biomarkers Monitoring Using Wearable Devices [0.0]
光胸腺撮影(英: Photoplethysmography)は、組織の微小血管層における血液量の変化を測定する非侵襲的な技術である。
Photoplethysmography は血管収縮や血管拡張などの条件を示すパラメータの評価を可能にする。
論文 参考訳（メタデータ） (2023-07-17T18:26:57Z) - Body Fat Estimation from Surface Meshes using Graph Neural Networks [48.85291874087541]
三角体表面メッシュを用いて,グラフニューラルネットワークを用いて,VATおよびASATボリュームを正確に予測できることを示す。
本手法は,この領域の最先端畳み込みニューラルネットワークと比較して,トレーニング時間と必要なリソースを削減しつつ高い性能を実現する。
論文 参考訳（メタデータ） (2023-07-13T10:21:34Z) - ReViSe: Remote Vital Signs Measurement Using Smartphone Camera [0.0]
リモートフォトプラチスモグラフィー(remote Photoplethysmography、rVi)は、バイオメトリックデータを集めるための高速で効果的で安価で便利な方法である。
本稿では,スマートフォンカメラで捉えたユーザの顔のゆがみに基づいて,人々のバイタルサインを測定するためのエンドツーエンドフレームワークを提案する。
ディープラーニングに基づくニューラルネットワークモデルを用いて,顔のランドマークをリアルタイムで抽出する。
論文 参考訳（メタデータ） (2022-06-13T19:20:11Z) - A Shallow U-Net Architecture for Reliably Predicting Blood Pressure (BP)
from Photoplethysmogram (PPG) and Electrocardiogram (ECG) Signals [1.1695966610359496]
病院で血液圧(BP)の連続モニタリングに使われている方法のほとんどは、侵襲的である。
本研究では,光胸腺図や心電図などの非侵襲的に収集可能な信号からBPを予測するためのオートエンコーダの適用性を検討した。
非常に浅い1次元オートエンコーダは、非常に大きなデータセット上で最先端の性能でSBPとDBPを予測するために関連する特徴を抽出できることがわかった。
論文 参考訳（メタデータ） (2021-11-12T19:34:20Z) - Ambulatory blood pressure monitoring versus office blood pressure
measurement: Are there sex differences? [55.41644538483948]
オフィス血圧測定(英語: Office Blood Pressure Measurement, OBP)は、血圧を24時間で測定する技術である。
本研究の目的は,高血圧を疑う822名の患者において,性差がOBPとABPMの相違に及ぼす影響について検討することである。
論文 参考訳（メタデータ） (2021-06-04T10:09:44Z) - Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on
2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。
合計320回の試験(平均6回の試験)と28回の試験が行われた。
ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
論文 参考訳（メタデータ） (2020-05-27T20:44:38Z)
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。