論文の概要: A deep learning-enabled smart garment for accurate and versatile sleep conditions monitoring in daily life
- arxiv url: http://arxiv.org/abs/2408.00753v2
- Date: Thu, 3 Oct 2024 16:13:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-08 13:29:21.860466
- Title: A deep learning-enabled smart garment for accurate and versatile sleep conditions monitoring in daily life
- Title（参考訳）: 日常生活における高精度・多目的睡眠状態モニタリングのための深層学習型スマートウェア
- Authors: Chenyu Tang, Wentian Yi, Muzi Xu, Yuxuan Jin, Zibo Zhang, Xuhang Chen, Caizhi Liao, Peter Smielewski, Luigi G. Occhipinti,
- Abstract要約: 位置決めや皮膚調製の必要なしに局所的な皮膚ひずみ信号を捕捉する,洗濯可能な皮膚適合型スマートスリープ監視システムについて報告する。
印刷された繊維系ひずみセンサアレイは、ゲージ係数を最大100で0.1%から10%のひずみに応答する。
スマートウェアは6つの睡眠状態を98.6%の精度で分類することができ、クラス当たり15サンプル未満の新規ユーザに対して優れた説明性(バイアスの少ない分類)と一般化精度を維持することができる。
- 参考スコア（独自算出の注目度）: 2.8587098692786905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In wearable smart systems, continuous monitoring and accurate classification of different sleep-related conditions are critical for enhancing sleep quality and preventing sleep-related chronic conditions. However, the requirements for device-skin coupling quality in electrophysiological sleep monitoring systems hinder the comfort and reliability of night wearing. Here, we report a washable, skin-compatible smart garment sleep monitoring system that captures local skin strain signals under weak device-skin coupling conditions without positioning or skin preparation requirements. A printed textile-based strain sensor array responds to strain from 0.1% to 10% with a gauge factor as high as 100 and shows independence to extrinsic motion artefacts via strain-isolating printed pattern design. Through reversible starching treatment, ink penetration depth during direct printing on garments is controlled to achieve batch-to-batch performance variation < 10%. Coupled with deep learning, explainable artificial intelligence (XAI), and transfer learning data processing, the smart garment is capable of classifying six sleep states with an accuracy of 98.6%, maintaining excellent explainability (classification with low bias) and generalization (95% accuracy on new users with few-shot learning less than 15 samples per class) in practical applications, paving the way for next-generation daily sleep healthcare management.
- Abstract（参考訳）: ウェアラブルスマートシステムでは、睡眠関連疾患の継続的なモニタリングと正確な分類が睡眠品質の向上と睡眠関連慢性疾患の予防に重要である。
しかし、電気生理的睡眠モニタリングシステムにおけるデバイスと皮膚のカップリング品質の要件は、夜間着用の快適さと信頼性を妨げている。
そこで本研究では, 位置決めや皮膚調製を必要とせず, デバイスと皮膚を結合した弱い条件下で, 局所的な皮膚ひずみ信号を捕捉する, 洗濯可能な皮膚適合型スマートスリープモニタリングシステムについて報告する。
印刷繊維系ひずみセンサアレイは、ゲージファクターを100以上で0.1%〜10%のひずみに応答し、ひずみ分離型印刷パターン設計により、外在性運動人工物に独立性を示す。
可逆性デンプン処理により、衣服への直接印刷中のインク浸透深度を制御し、バッチ・ツー・バッチ性能の変化を10%とする。
ディープラーニング、説明可能な人工知能(XAI)、および伝達学習データ処理と組み合わせて、このスマートウェアは6つの睡眠状態を98.6%の精度で分類することができ、実用的な用途において優れた説明可能性(バイアスの少ない分類)と一般化(クラス当たり15サンプル未満の新規ユーザーでの95%の精度)を維持し、次世代の睡眠医療管理への道を開くことができる。
関連論文リスト
- Clustering and Data Augmentation to Improve Accuracy of Sleep Assessment and Sleep Individuality Analysis [1.9662978733004597]
本研究の目的は,就寝時の頻繁な動きによる睡眠不足など,エビデンスに基づく評価を提供する機械学習ベースの睡眠評価モデルを構築することである。
睡眠音イベントの抽出,VAEを用いた潜時表現の抽出,GMMによるクラスタリング,主観的睡眠評価のためのLSTMトレーニングは94.8%の精度で睡眠満足度を識別した。
論文 参考訳（メタデータ） (2024-04-16T05:56:41Z) - 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。