論文の概要: Thermal Imaging and Radar for Remote Sleep Monitoring of Breathing and Apnea
- arxiv url: http://arxiv.org/abs/2407.11936v1
- Date: Tue, 16 Jul 2024 17:26:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 13:34:07.242346
- Title: Thermal Imaging and Radar for Remote Sleep Monitoring of Breathing and Apnea
- Title（参考訳）: 呼吸・無呼吸の遠隔睡眠モニタリングのための熱画像とレーダ
- Authors: Kai Del Regno, Alexander Vilesov, Adnan Armouti, Anirudh Bindiganavale Harish, Selim Emir Can, Ashley Kita, Achuta Kadambi,
- Abstract要約: 睡眠モニタリングのためのレーダとサーマルイメージングの初回比較を行った。
熱画像法では,0.99,精度0.68,リコール0.74,F1スコア0.71,クラス内相関0.73が検出された。
マルチモーダル・セットアップを活用して閉塞性および中枢性睡眠時無呼吸を分類するための新しい提案を提案する。
- 参考スコア（独自算出の注目度）: 42.00356210257671
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Polysomnography (PSG), the current gold standard method for monitoring and detecting sleep disorders, is cumbersome and costly. At-home testing solutions, known as home sleep apnea testing (HSAT), exist. However, they are contact-based, a feature which limits the ability of some patient populations to tolerate testing and discourages widespread deployment. Previous work on non-contact sleep monitoring for sleep apnea detection either estimates respiratory effort using radar or nasal airflow using a thermal camera, but has not compared the two or used them together. We conducted a study on 10 participants, ages 34 - 78, with suspected sleep disorders using a hardware setup with a synchronized radar and thermal camera. We show the first comparison of radar and thermal imaging for sleep monitoring, and find that our thermal imaging method outperforms radar significantly. Our thermal imaging method detects apneas with an accuracy of 0.99, a precision of 0.68, a recall of 0.74, an F1 score of 0.71, and an intra-class correlation of 0.70; our radar method detects apneas with an accuracy of 0.83, a precision of 0.13, a recall of 0.86, an F1 score of 0.22, and an intra-class correlation of 0.13. We also present a novel proposal for classifying obstructive and central sleep apnea by leveraging a multimodal setup. This method could be used accurately detect and classify apneas during sleep with non-contact sensors, thereby improving diagnostic capacities in patient populations unable to tolerate current technology.
- Abstract（参考訳）: 睡眠障害のモニタリングと検出のための現在の金本位法であるPSG(Polysomnography)は、煩雑で費用がかかる。
家庭内睡眠時無呼吸テスト(HSAT)として知られる家庭内検査ソリューションが存在する。
しかし、それらはコンタクトベースであり、一部の患者が検査を許容し、広範囲な展開を阻害する能力を制限する機能である。
睡眠時無呼吸検出のための非接触睡眠モニタリングに関するこれまでの研究は、レーダーを用いた呼吸活動や、サーマルカメラを用いた鼻気流を推定するものだったが、この2つを比較したり、一緒に使用したりはしなかった。
シンクロナイズドレーダとサーマルカメラを用いたハードウェア装置を用いて,34～78歳の睡眠障害を疑った10人の被験者を対象に調査を行った。
睡眠モニタリングにおけるレーダとサーマルイメージングの初回比較を行い, サーマルイメージング法がレーダを著しく上回ることを示した。
サーマルイメージング法は,精度0.99,精度0.68,リコール0.74,F1スコア0.71,クラス内相関0.70,精度0.83,精度0.13,リコール0.86,F1スコア0.22,クラス内相関0.13を検出する。
また,マルチモーダル設定を利用して,閉塞性および中枢性睡眠時無呼吸を分類する新たな提案を提案する。
この方法は、非接触センサーで睡眠中の無呼吸を正確に検出・分類することができ、現在の技術に耐えられない患者の診断能力を向上させることができる。
関連論文リスト
- SleepFM: Multi-modal Representation Learning for Sleep Across Brain Activity, ECG and Respiratory Signals [17.416001617612658]
睡眠は、脳、心臓、呼吸活動を記録する様々なモードを通して評価される複雑な生理的過程である。
睡眠分析のための最初のマルチモーダル基礎モデルであるSleepFMを開発した。
コントラスト学習のための新しい一対一アプローチにより、下流タスク性能が大幅に向上することを示す。
論文 参考訳（メタデータ） (2024-05-28T02:43:53Z) - 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) - SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection
Classifier [68.8204255655161]
神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。
移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。
SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
論文 参考訳（メタデータ） (2021-10-01T23:01:20Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - 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) - Convolutional Neural Networks for Sleep Stage Scoring on a Two-Channel
EEG Signal [63.18666008322476]
睡眠障害は、世界中の主要な病気の1つです。
専門家が使用する基本的なツールはPolysomnogramで、睡眠中に記録された様々な信号の集合である。
専門家は、標準的なガイドラインの1つに従って異なる信号を採点する必要があります。
論文 参考訳（メタデータ） (2021-03-30T09:59:56Z) - Temporal convolutional networks and transformers for classifying the
sleep stage in awake or asleep using pulse oximetry signals [0.0]
覚醒・睡眠中の睡眠段階をパルスオキシメータからのHR信号のみを用いて分類することを目的としたネットワークアーキテクチャを開発する。
トランスフォーマーはシーケンスをモデル化し、睡眠段階間の遷移ルールを学ぶことができる。
全体の正確性、特異性、感受性、およびコーエンのカッパ係数は90.0%, 94.9%, 78.1%, 0.73であった。
論文 参考訳（メタデータ） (2021-01-29T22:58:33Z) - 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) - Classifying sleep-wake stages through recurrent neural networks using
pulse oximetry signals [0.0]
自律神経系の調節は睡眠段階によって変化する。
我々はこれらの変化を利用して、覚醒または睡眠中の睡眠段階をパルスオキシメータ信号を用いて分類する。
心拍数と末梢酸素飽和信号にリカレントニューラルネットワークを適用し,30秒毎に睡眠ステージを分類した。
論文 参考訳（メタデータ） (2020-08-07T21:43:46Z) - DeepBeat: A multi-task deep learning approach to assess signal quality
and arrhythmia detection in wearable devices [0.0]
我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。
我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。
2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
論文 参考訳（メタデータ） (2020-01-01T07:41:28Z)
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。