論文の概要: UbiHR: Resource-efficient Long-range Heart Rate Sensing on Ubiquitous Devices

• arxiv url: http://arxiv.org/abs/2410.19279v1
• Date: Fri, 25 Oct 2024 03:28:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:35:59.269253
• Title: UbiHR: Resource-efficient Long-range Heart Rate Sensing on Ubiquitous Devices
• Title（参考訳）: UbiHR:ユビキタスデバイスを用いた資源効率の長い心拍数計測
• Authors: Haoyu Bian, Bin Guo, Sicong Liu, Yasan Ding, Shanshan Gao, Zhiwen Yu,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 9.971578670060564
• License:
• Abstract: Ubiquitous on-device heart rate sensing is vital for high-stress individuals and chronic patients. Non-contact sensing, compared to contact-based tools, allows for natural user monitoring, potentially enabling more accurate and holistic data collection. However, in open and uncontrolled mobile environments, user movement and lighting introduce. Existing methods, such as curve-based or short-range deep learning recognition based on adjacent frames, strike the optimal balance between real-time performance and accuracy, especially under limited device resources. In this paper, we present UbiHR, a ubiquitous device-based heart rate sensing system. Key to UbiHR is a real-time long-range spatio-temporal model enabling noise-independent heart rate recognition and display on commodity mobile devices, along with a set of mechanisms for prompt and energy-efficient sampling and preprocessing. Diverse experiments and user studies involving four devices, four tasks, and 80 participants demonstrate UbiHR's superior performance, enhancing accuracy by up to 74.2\% and reducing latency by 51.2\%.
• Abstract（参考訳）: デバイス上のユビキタスな心拍センサは、ストレスの高い人や慢性患者にとって不可欠である。 非接触センシングは、コンタクトベースのツールと比較して、自然なユーザー監視を可能にし、より正確で総合的なデータ収集を可能にする可能性がある。 しかし、オープンでコントロールされていないモバイル環境では、ユーザーの動きと照明が導入される。 カーブベースや近接フレームに基づく短距離ディープラーニング認識などの既存の手法は、特に限られたデバイスリソースの下で、リアルタイム性能と精度の最適なバランスをとる。 本稿では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の鍵となるのは、ノイズ非依存の心拍認識と商品モバイルデバイスへの表示を可能にするリアルタイムの長距離時空間モデルであり、プロンプトとエネルギー効率のよいサンプリングと前処理のための一連のメカニズムである。 4つのデバイス、4つのタスク、80人の参加者を含むさまざまな実験とユーザスタディは、UbiHRの優れたパフォーマンスを示し、74.2\%まで精度を向上し、レイテンシを51.2\%削減した。

関連論文リスト

• Scaling Wearable Foundation Models [54.93979158708164]
  センサ基礎モデルのスケーリング特性を計算,データ,モデルサイズにわたって検討する。 最大4000万時間分の心拍数、心拍変動、心電図活動、加速度計、皮膚温度、および1分間のデータを用いて、私たちはLSMを作成します。 この結果から,LSMのスケーリング法則は,時間とセンサの両面において,計算や外挿などのタスクに対して確立されている。
  論文  参考訳（メタデータ） (2024-10-17T15:08:21Z)
• OmniBuds: A Sensory Earable Platform for Advanced Bio-Sensing and On-Device Machine Learning [46.3331254985615]
  感覚ウェアラブルは、基本的なオーディオ拡張デバイスから、臨床レベルの健康モニタリングと健康管理のための高度なプラットフォームへと進化してきた。 本稿では,複数のバイオセンサと,機械学習アクセラレーションによって駆動される車載計算を統合した,先進的な知覚可能プラットフォームであるOmniBudsを紹介する。
  論文  参考訳（メタデータ） (2024-10-07T06:30:59Z)
• AcousAF: Acoustic Sensing-Based Atrial Fibrillation Detection System for Mobile Phones [6.927186681726127]
  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。
  論文  参考訳（メタデータ） (2024-08-09T07:43:16Z)
• Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
  エンゲージメント測定は、医療、教育、サービスに応用される。 生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。 コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
  論文  参考訳（メタデータ） (2024-04-05T20:39:16Z)
• Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health Monitoring Systems [69.41229290253605]
  既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。 これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。 最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
  論文  参考訳（メタデータ） (2024-01-19T16:26:35Z)
• 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)
• Physical Activity Recognition Based on a Parallel Approach for an Ensemble of Machine Learning and Deep Learning Classifiers [0.0]
  モノのインターネット(IOT)に組み込まれたウェアラブルセンサーデバイスによる人間の活動認識(HAR)は、リモートヘルス監視と緊急通知に重要な役割を果たします。 本研究では、医療に適用可能な意思決定精度と実行速度の人間活動認識手法について検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:50:52Z)
• Real-time Webcam Heart-Rate and Variability Estimation with Clean Ground Truth for Evaluation [9.883261192383612]
  リモートフォトプレチモグラフィ(r)は、カメラを使って人の心拍数(hr)を推定する HRVは、心臓の鼓動の間の間隔における微細な変動の尺度です。 新しいフィルタリングとモーション抑制を備えた洗練された効率的なリアルタイムrパイプラインを紹介します。
  論文  参考訳（メタデータ） (2020-12-31T18:57:05Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• 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)
• Optimised Convolutional Neural Networks for Heart Rate Estimation and Human Activity Recognition in Wrist Worn Sensing Applications [3.8137985834223507]
  低サンプリングレートで心拍数と人的活動認識を同時に行う。 これにより、ハードウェア設計が簡単になり、コストと電力予算が削減される。 深層学習パイプラインを2つ適用し,1つは人間の活動認識用であり,1つは心拍数推定用である。
  論文  参考訳（メタデータ） (2020-03-30T11:44:58Z)

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。