論文の概要: A deep learning-enabled smart garment for versatile sleep behaviour monitoring

• arxiv url: http://arxiv.org/abs/2408.00753v1
• Date: Thu, 1 Aug 2024 17:56:25 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-04 19:37:48.234827
• Title: A deep learning-enabled smart garment for versatile sleep behaviour monitoring
• Title（参考訳）: 多様な睡眠行動モニタリングのためのディープラーニング対応スマートウェア
• Authors: Chenyu Tang, Wentian Yi, Muzi Xu, Yuxuan Jin, Zibo Zhang, Xuhang Chen, Caizhi Liao, Peter Smielewski, Luigi G. Occhipinti,
• Abstract要約: スマート衣服にプリントされた頑丈で耐久性のある超感光性ひずみセンサを, 首輪部で報告した。 6つの睡眠状態(鼻呼吸、口呼吸、かゆみ、ブラキシズム、中枢性睡眠時無呼吸症(CSA)、閉塞性睡眠時無呼吸症(OSA))を98.6%の精度で正確に識別することができる。 スケーラブルな製造プロセス、堅牢性、高精度、スマートウェアの優れた一般化により、次世代の連続睡眠監視に有望なツールとなっている。
• 参考スコア（独自算出の注目度）: 2.8587098692786905
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous monitoring and accurate detection of complex sleep patterns associated to different sleep-related conditions is essential, not only for enhancing sleep quality but also for preventing the risk of developing chronic illnesses associated to unhealthy sleep. Despite significant advances in research, achieving versatile recognition of various unhealthy and sub-healthy sleep patterns with simple wearable devices at home remains a significant challenge. Here, we report a robust and durable ultrasensitive strain sensor array printed on a smart garment, in its collar region. This solution allows detecting subtle vibrations associated with multiple sleep patterns at the extrinsic laryngeal muscles. Equipped with a deep learning neural network, it can precisely identify six sleep states-nasal breathing, mouth breathing, snoring, bruxism, central sleep apnea (CSA), and obstructive sleep apnea (OSA)-with an impressive accuracy of 98.6%, all without requiring specific positioning. We further demonstrate its explainability and generalization capabilities in practical applications. Explainable artificial intelligence (XAI) visualizations reflect comprehensive signal pattern analysis with low bias. Transfer learning tests show that the system can achieve high accuracy (overall accuracy of 95%) on new users with very few-shot learning (less than 15 samples per class). The scalable manufacturing process, robustness, high accuracy, and excellent generalization of the smart garment make it a promising tool for next-generation continuous sleep monitoring.
• Abstract（参考訳）: 睡眠条件の異なる複雑な睡眠パターンの連続的なモニタリングと正確な検出は、睡眠の質を高めるだけでなく、不健康な睡眠に関連する慢性疾患の発生を予防するためにも不可欠である。 研究の進歩にもかかわらず、家庭でシンプルなウェアラブルデバイスを使って、さまざまな不健康で不健康な睡眠パターンを多目的に認識することは大きな課題である。 ここでは、スマート衣服にプリントされた頑丈で耐久性の高い超感光性ひずみセンサを、首輪領域で報告する。 この溶液は、外喉頭筋における複数の睡眠パターンに関連する微妙な振動を検出することができる。 深層学習ニューラルネットワークにより、6つの睡眠状態(鼻呼吸、口呼吸、かゆみ、ブラキシズム、中枢性睡眠時無呼吸(CSA)、閉塞性睡眠時無呼吸(OSA))を、特定の位置決めを必要とせず、98.6%の精度で正確に識別することができる。 実用アプリケーションにおけるその説明可能性と一般化能力をさらに実証する。 説明可能な人工知能(XAI)視覚化は、バイアスの低い包括的な信号パターン分析を反映する。 トランスファーラーニングテストでは,クラス当たり15サンプル未満の非常に少ない新規ユーザに対して,高い精度(全精度95%)を達成できることが示されている。 スケーラブルな製造プロセス、堅牢性、高精度、スマートウェアの優れた一般化により、次世代の連続睡眠監視に有望なツールとなっている。

関連論文リスト

• Single Channel EEG Based Insomnia Identification Without Sleep Stage Annotations [0.3495246564946556]
  不眠症患者50名,健常者50名を用いて,本モデルの有効性を検証した。 開発されたモデルでは、現在の睡眠監視システムを簡素化し、家庭内振動モニタリングを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-02-09T08:59:37Z)
• A machine-learning sleep-wake classification model using a reduced number of features derived from photoplethysmography and activity signals [0.0]
  Photoplethys (mography) は睡眠期推論に有効なシグナルであることが示された。 本稿では,eXtreme Gradient Boostingアルゴリズムに基づく機械学習睡眠覚醒分類モデルを提案する。 本手法の性能は現在の最先端手法と比較し,感度91.15 $pm$ 1.16%,特異度53.66 $pm$ 1.12%,F1スコア83.88 $pm$ 0.56%,Kappa48.0 $pm$ 0.86%であった。
  論文  参考訳（メタデータ） (2023-08-07T13:43:19Z)
• Sleep Activity Recognition and Characterization from Multi-Source Passively Sensed Data [67.60224656603823]
  睡眠活動認識法は、被験者の睡眠覚醒サイクルを評価し、監視し、特徴づけ、行動の変化を検出する指標を提供することができる。 本稿では,スマートフォンから受動的に知覚されたデータを連続的に操作して,睡眠の特徴を識別し,重要な睡眠エピソードを識別する一般的な方法を提案する。 これらの装置は、その用途により、連続的で客観的で非侵襲的な方法で被験者の生体リズムをプロファイルするための優れた代替データ源となっている。
  論文  参考訳（メタデータ） (2023-01-17T15:18:45Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Development of Sleep State Trend (SST), a bedside measure of neonatal sleep state fluctuations based on single EEG channels [0.0]
  新生児集中治療室における睡眠状態変動の自動モニタリング法の開発と評価を行った。 ディープラーニングに基づくアルゴリズムは、30人の新生児の長期(a)EEGモニタリングから53のEEG記録を設計し、訓練した。 トレーニングデータにおける静電睡眠検出の精度は90%で,4電極記録から得られる全双極性導出の精度は85～86%と同等であった。
  論文  参考訳（メタデータ） (2022-08-25T08:36:44Z)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)
• 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)
• 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)
• Identity and Posture Recognition in Smart Beds with Deep Multitask Learning [8.422257363944295]
  被験者とその睡眠姿勢を正確に検出できる堅牢な深層学習モデルを提案する。 喪失機能の組み合わせは、被験者と睡眠姿勢を同時に区別するために使用される。 提案するアルゴリズムは、最終的に臨床およびスマートホーム環境で使用できる。
  論文  参考訳（メタデータ） (2021-04-05T21:21:54Z)
• Classification Of Sleep-Wake State In A Ballistocardiogram System Based On Deep Learning [1.4680035572775534]
  本稿では,マルチヘッド1次元畳み込みに基づくディープニューラルネットワークを提案し,睡眠覚醒状態を正確に予測する。 睡眠覚醒分類スコアは95.5%であり,PSGシステムに基づく研究と同等である。
  論文  参考訳（メタデータ） (2020-11-11T03:38:33Z)
• Neural Network Virtual Sensors for Fuel Injection Quantities with Provable Performance Specifications [71.1911136637719]
  証明可能な保証が、他の現実世界の設定にどのように自然に適用できるかを示す。 本研究では, 燃料噴射量を一定範囲で最大化するために, 特定の間隔の燃料噴射量を目標にする方法を示す。
  論文  参考訳（メタデータ） (2020-06-30T23:33:17Z)

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。