論文の概要: AcousAF: Acoustic Sensing-Based Atrial Fibrillation Detection System for Mobile Phones
- arxiv url: http://arxiv.org/abs/2408.04912v1
- Date: Fri, 9 Aug 2024 07:43:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-12 16:28:59.469420
- Title: AcousAF: Acoustic Sensing-Based Atrial Fibrillation Detection System for Mobile Phones
- Title（参考訳）: AcousAF:携帯電話用音響センシング型心房細動検出システム
- Authors: Xuanyu Liu, Haoxian Liu, Jiao Li, Zongqi Yang, Yi Huang, Jin Zhang,
- Abstract要約: 心房細動(AF)は、房室から発生する不規則な電気的インパルスによって特徴づけられる。
現在のモバイルベースのAF検出システムはポータブルソリューションを提供する。
本稿では,スマートフォンの音響センサを用いた新しいAF検出システムであるAcousAFを提案する。
- 参考スコア（独自算出の注目度）: 6.927186681726127
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Atrial fibrillation (AF) is characterized by irregular electrical impulses originating in the atria, which can lead to severe complications and even death. Due to the intermittent nature of the AF, early and timely monitoring of AF is critical for patients to prevent further exacerbation of the condition. Although ambulatory ECG Holter monitors provide accurate monitoring, the high cost of these devices hinders their wider adoption. Current mobile-based AF detection systems offer a portable solution. However, these systems have various applicability issues, such as being easily affected by environmental factors and requiring significant user effort. To overcome the above limitations, we present AcousAF, a novel AF detection system based on acoustic sensors of smartphones. Particularly, we explore the potential of pulse wave acquisition from the wrist using smartphone speakers and microphones. In addition, we propose a well-designed framework comprised of pulse wave probing, pulse wave extraction, and AF detection to ensure accurate and reliable AF detection. We collect data from 20 participants utilizing our custom data collection application on the smartphone. Extensive experimental results demonstrate the high performance of our system, with 92.8% accuracy, 86.9% precision, 87.4% recall, and 87.1% F1 Score.
- Abstract（参考訳）: 心房細動(AF)は、房室から発生する不規則な電気的衝動によって特徴づけられ、重篤な合併症や死に至る。
AFの断続的な性質のため、早期かつ時間的にAFをモニタリングすることは、患者のさらなる悪化を防ぐために重要である。
増幅ECGホルターモニターは正確なモニタリングを提供するが、これらの装置の高コストは広く採用を妨げている。
現在のモバイルベースのAF検出システムはポータブルソリューションを提供する。
しかし,これらのシステムには,環境要因の影響を受けやすいこと,利用者の努力を要すること,など,様々な適用性の問題がある。
このような制約を克服するため,スマートフォンの音響センサを用いた新しいAF検出システムであるAcousAFを提案する。
特に、スマートフォンのスピーカーとマイクを用いた手首からのパルス波取得の可能性について検討する。
さらに, パルス波探査, パルス波抽出, AF検出により, 高精度かつ信頼性の高いAF検出を実現するフレームワークを提案する。
スマートフォン上のカスタムデータ収集アプリケーションを利用して、20人の参加者からデータを収集する。
その結果,92.8%の精度,86.9%の精度,87.4%のリコール,87.1%のF1スコアが得られた。
関連論文リスト
- UbiHR: Resource-efficient Long-range Heart Rate Sensing on Ubiquitous Devices [9.971578670060564]
ユビキタスデバイスを用いた心拍センサシステムUbiHRを提案する。
UbiHRの鍵は、ノイズ非依存の心拍認識と、コモディティモバイルデバイスでの表示を可能にするリアルタイムの長距離時間モデルである。
論文 参考訳（メタデータ） (2024-10-25T03:28:19Z) - Respiratory Anomaly Detection using Reflected Infrared Light-wave
Signals [0.18641315013048293]
メカニカルロボットの胸部から反射する非コヒーレント光波信号を用いた非接触呼吸異常検出法を提案する。
開発されたシステムは、スマートで非接触的で離散的な呼吸監視方法として、家庭や医療施設で利用することができる。
論文 参考訳（メタデータ） (2023-11-02T16:23:13Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳（メタデータ） (2022-10-29T09:18:41Z) - 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) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural
Networks [68.8204255655161]
私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。
最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
論文 参考訳（メタデータ） (2020-12-29T01:14:17Z) - BayesBeat: Reliable Atrial Fibrillation Detection from Noisy
Photoplethysmography Data [2.369492853260497]
ノイズの多いPSG信号からAFリスクを推定するための,新しいディープラーニングベースのアプローチであるBayesBeatを提案する。
提案手法は既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2020-11-02T05:20:32Z) - Identification of Ischemic Heart Disease by using machine learning
technique based on parameters measuring Heart Rate Variability [50.591267188664666]
本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。
最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
論文 参考訳（メタデータ） (2020-10-29T19:14:41Z) - Personalized Deep Learning for Ventricular Arrhythmias Detection on
Medical IoT Systems [17.966382901357118]
心室不整脈(VA)は突然死(SCD)の原因である
医療用IoTシステム上での深層学習に基づくVA検出のためのパーソナライズされたコンピューティングフレームワークを提案する。
心内および表面リズムモニターの両方でリアルタイムに推定を行う。
論文 参考訳（メタデータ） (2020-08-18T17:41:58Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - 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。