論文の概要: Deep adaptative spectral zoom for improved remote heart rate estimation
- arxiv url: http://arxiv.org/abs/2403.06902v1
- Date: Mon, 11 Mar 2024 16:55:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 18:04:59.329483
- Title: Deep adaptative spectral zoom for improved remote heart rate estimation
- Title（参考訳）: 遠隔心拍数推定のための深部適応スペクトルズーム
- Authors: Joaquim Comas, Adria Ruiz, Federico Sukno
- Abstract要約: Chirp-Z Transform (CZT) は、心拍数に対する狭帯域の利息の範囲までスペクトルを洗練させ、頻繁な分解能を改善し、その結果より正確な推定を可能にする。
本稿では、リモートHR推定にCZTを用いる利点を示し、新しいデータ駆動適応型CZT推定器を提案する。
- 参考スコア（独自算出の注目度）: 10.220888127527152
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advances in remote heart rate measurement, motivated by data-driven
approaches, have notably enhanced accuracy. However, these improvements
primarily focus on recovering the rPPG signal, overlooking the implicit
challenges of estimating the heart rate (HR) from the derived signal. While
many methods employ the Fast Fourier Transform (FFT) for HR estimation, the
performance of the FFT is inherently affected by a limited frequency
resolution. In contrast, the Chirp-Z Transform (CZT), a generalization form of
FFT, can refine the spectrum to the narrow-band range of interest for heart
rate, providing improved frequential resolution and, consequently, more
accurate estimation. This paper presents the advantages of employing the CZT
for remote HR estimation and introduces a novel data-driven adaptive CZT
estimator. The objective of our proposed model is to tailor the CZT to match
the characteristics of each specific dataset sensor, facilitating a more
optimal and accurate estimation of HR from the rPPG signal without compromising
generalization across diverse datasets. This is achieved through a Sparse
Matrix Optimization (SMO). We validate the effectiveness of our model through
exhaustive evaluations on three publicly available datasets UCLA-rPPG, PURE,
and UBFC-rPPG employing both intra- and cross-database performance metrics. The
results reveal outstanding heart rate estimation capabilities, establishing the
proposed approach as a robust and versatile estimator for any rPPG method.
- Abstract（参考訳）: データ駆動型アプローチによる遠隔心拍測定の最近の進歩は、特に正確性を高めている。
しかし、これらの改善は主にrPPGシグナルの回復に焦点を合わせ、引き起こした信号から心拍数(HR)を推定する暗黙の課題を見越す。
多くの手法ではHR推定にFast Fourier Transform (FFT) を用いるが、FFTの性能は本質的に限られた周波数分解能の影響を受けている。
対照的に、FFTの一般化形式であるChirp-Z Transform (CZT) は、心拍数に対する狭帯域の利息の範囲までスペクトルを洗練し、頻繁な分解能を改善し、その結果より正確な推定を可能にする。
本稿では、リモートHR推定にCZTを用いる利点を示し、新しいデータ駆動適応型CZT推定器を提案する。
提案モデルの目的は,各データセットセンサの特性に合わせてCZTを調整し,多様なデータセットにまたがる一般化を損なうことなく,rPPG信号からHRをより最適かつ正確に推定することである。
これはスパース行列最適化(SMO)によって達成される。
本モデルの有効性は, UCLA-rPPG, PURE, UBFC-rPPGの3つの公開データセットに対して, イントラデータベースとクロスデータベースのパフォーマンス指標を用いた総合評価により検証した。
その結果, 心拍数推定能力に優れ, rPPG法に対する頑健かつ多目的な評価手法として提案手法が確立された。
関連論文リスト
- Fully Test-Time rPPG Estimation via Synthetic Signal-Guided Feature Learning [8.901227918730562]
多くのリモート光胸腺撮影(r)推定モデルは、トレーニング領域で有望なパフォーマンスを達成したが、テスト領域での生理的信号や心拍数(HR)の測定に失敗することが多い。
r推定問題では、適応モデルは通常、様々なドメイン情報を用いてターゲットデータを推定する課題に直面します。
Test Time-Time Adaptation (TTA)は、ソースデータを参照せずにラベルなしのターゲットデータにオンライン適応することで、さまざまな未確認領域のr信号を適応的に推定することを可能にする。
論文 参考訳（メタデータ） (2024-07-18T09:22:40Z) - Efficient and robust transfer learning of optimal individualized
treatment regimes with right-censored survival data [7.308241944759317]
個別治療体制(英: individualized treatment regime、ITR)は、患者の特徴に基づいて治療を割り当てる決定規則である。
本稿では、値関数の2倍頑健な推定器を提案し、その最適ITRは、予め指定されたIRRのクラス内の値関数を最大化することにより学習する。
重篤なメタボリックアシダ血症に対するバイカーボネートナトリウム療法のシミュレーションおよび実データによる評価を行った。
論文 参考訳（メタデータ） (2023-01-13T11:47:10Z) - Multi-Head Cross-Attentional PPG and Motion Signal Fusion for Heart Rate
Estimation [2.839269856680851]
本稿では,時間的畳み込みと多頭部交差注意を利用してセンサフュージョンの有効性を向上させる新しい深層学習モデルPULSEを提案する。
3つの公開データセット上でのPULSEの性能を評価し,平均絶対誤差を7.56%削減した。
論文 参考訳（メタデータ） (2022-10-14T08:07:53Z) - Auto-FedRL: Federated Hyperparameter Optimization for
Multi-institutional Medical Image Segmentation [48.821062916381685]
Federated Learning(FL)は、明示的なデータ共有を避けながら協調的なモデルトレーニングを可能にする分散機械学習技術である。
本稿では,Auto-FedRLと呼ばれる,効率的な強化学習(RL)に基づくフェデレーションハイパーパラメータ最適化アルゴリズムを提案する。
提案手法の有効性は,CIFAR-10データセットと2つの実世界の医用画像セグメンテーションデータセットの不均一なデータ分割に対して検証される。
論文 参考訳（メタデータ） (2022-03-12T04:11:42Z) - Embedding Temporal Convolutional Networks for Energy-Efficient PPG-Based
Heart Rate Monitoring [17.155316991045765]
Photoplethysmography (volution) センサーは非侵襲的で快適な心拍数モニタリングを可能にする。
モーションアーティファクト(MA)はモニタリングの精度に大きく影響を与え、皮膚とセンサーのインターフェースに高いばらつきをもたらす。
PPGに基づく人事推定のための計算軽量で頑健な深層学習手法を提案する。
PPGDaliaのMean Absolute Error(MAE)の3.84 Beats per Minute(BPM)という2つのベンチマークデータセットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2022-03-01T17:04:28Z) - Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation [87.54604263202941]
本稿では,従来の推定値の修正に部分的レイヤを反復的に活用する,小さなディープニューラルネットワークを提案する。
学習したゲーティング基準を用いて、ウェイトシェアリングループから抜け出すかどうかを判断し、モデルにサンプルごとの適応を可能にする。
提案手法は,広く使用されているベンチマークの精度と効率の両面から,最先端の2D/3Dハンドポーズ推定手法より一貫して優れている。
論文 参考訳（メタデータ） (2021-11-11T23:31:34Z) - FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。
我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。
従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
論文 参考訳（メタデータ） (2021-07-07T13:39:08Z) - Non-contact PPG Signal and Heart Rate Estimation with Multi-hierarchical
Convolutional Network [12.119293125608976]
心拍数(HR)は人体の重要な生理的パラメータである。
本研究では,顔ビデオクリップからHRを推定できる,効率的な多階層・畳み込みネットワークを提案する。
論文 参考訳（メタデータ） (2021-04-06T03:04:27Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z) - AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement
with Neural Searching [76.4844593082362]
既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。
総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
論文 参考訳（メタデータ） (2020-04-26T05:43:21Z)
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。