論文の概要: Machine Learning Assisted Postural Movement Recognition using Photoplethysmography(PPG)

• arxiv url: http://arxiv.org/abs/2411.11862v1
• Date: Sat, 02 Nov 2024 18:56:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-24 05:33:17.216797
• Title: Machine Learning Assisted Postural Movement Recognition using Photoplethysmography(PPG)
• Title（参考訳）: Photoplethysmography(PPG)を用いた機械学習による姿勢運動認識
• Authors: Robbie Maccay, Roshan Weerasekera,
• Abstract要約: 転倒検出・転倒防止技術の開発は, 緊急に必要である。 この研究は、姿勢運動を認識するための機械学習技術の使用を初めて提示する。 分類にはさまざまな機械学習アプローチが用いられ、ANN(Artificial Neural Network)が最適であることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: With the growing percentage of elderly people and care home admissions, there is an urgent need for the development of fall detection and fall prevention technologies. This work presents, for the first time, the use of machine learning techniques to recognize postural movements exclusively from Photoplethysmography (PPG) data. To achieve this goal, a device was developed for reading the PPG signal, segmenting the PPG signals into individual pulses, extracting pulse morphology and homeostatic characteristic features, and evaluating different ML algorithms. Investigations into different postural movements (stationary, sitting to standing, and lying to standing) were performed by 11 participants. The results of these investigations provided insight into the differences in homeostasis after the movements in the PPG signal. Various machine learning approaches were used for classification, and the Artificial Neural Network (ANN) was found to be the best classifier, with a testing accuracy of 85.2\% and an F1 score of 78\% from experimental results.
• Abstract（参考訳）: 高齢者の割合の増加と在宅入院のケアにより、転倒検出・転倒防止技術の開発が急務である。 この研究は、初めて、フォトプレソグラフィー(PPG)データからのみ姿勢運動を認識する機械学習技術を用いた。 この目的を達成するため、PSG信号を読み出し、PSG信号を個別のパルスに分割し、パルス形態とホメオスタティック特性を抽出し、異なるMLアルゴリズムを評価する装置を開発した。 11名の被験者による異なる姿勢運動(立位,立位,立位,立位)の調査を行った。 これらの結果から, PPG信号の運動後のホメオスタシスの相違について考察した。 さまざまな機械学習アプローチが分類に使われ、実験結果から85.2\%、F1スコア78\%の試験精度で、Artificial Neural Network(ANN)が最高の分類器であることが判明した。

関連論文リスト

• Interpretable Pre-Trained Transformers for Heart Time-Series Data [15.377534937558744]
  我々は、PTG-PTとECG-PTの2つのトレーニング済み汎用心臓モデルを作成する。 PPGのジクロティックノッチや心電図のP波など,個々の注意が生理学的に反する特徴に反応することを強調した。 これらの事前訓練されたモデルは、心房細動(AF)の分類や、光胸腺撮影におけるビート検出などのタスクにおいて、簡単に微調整できる。
  論文  参考訳（メタデータ） (2024-07-30T12:22:03Z)
• Wavelet Analysis of Noninvasive EEG Signals Discriminates Complex and Natural Grasp Types [0.16385815610837165]
  本研究の目的は,脳波を用いた神経補綴器開発と脳-コンピュータ・インタフェース(BCI)の応用を目的とした脳波からの握手をデコードすることである。
  論文  参考訳（メタデータ） (2024-01-31T23:13:38Z)
• Your blush gives you away: detecting hidden mental states with remote photoplethysmography and thermal imaging [5.604613879541013]
  本研究では,rモードと熱画像を統合し,予測性能を向上させることでギャップを埋めることを目的とする。 rのみを用いて, 認知的ストレスは77%, 道徳的高揚は61%であった。 これらのモダリティの早期融合戦略は精度を著しく改善し、認知的ストレス87%、道徳的上昇83%をRFを用いて達成した。
  論文  参考訳（メタデータ） (2024-01-17T11:38:21Z)
• Parkinson's Disease Detection through Vocal Biomarkers and Advanced Machine Learning Algorithms [0.0]
  本研究は早期疾患予測の手段として, PD患者の声質変化の可能性について検討した。 XGBoost、LightGBM、Baging、AdaBoost、Support Vector Machineなど、さまざまな高度な機械学習アルゴリズムを活用する。 LightGBMは、100%の感度と94.43%の特異性を示し、他の機械学習アルゴリズムの精度とAUCスコアを上回った。
  論文  参考訳（メタデータ） (2023-11-09T15:21:10Z)
• PAD-Phys: Exploiting Physiology for Presentation Attack Detection in Face Biometrics [48.683457383784145]
  r: (i) 生理領域, (ii) ディープフェイクス領域, (iii) プレゼンテーション攻撃領域に基づく提示攻撃検出のための3つのアプローチ その結果、プレゼンテーションアタックドメインを生理的およびディープフェイクスドメインと比較すると、平均分類誤り率(ACER)が21.70%減少していることがわかった。 実験では、r-ベースモデルにおける伝達学習の効率を強調し、この生理的特徴のコピーを許さない機器での提示攻撃検出をうまく行う。
  論文  参考訳（メタデータ） (2023-10-03T15:24:15Z)
• Tissue Classification During Needle Insertion Using Self-Supervised Contrastive Learning and Optical Coherence Tomography [53.38589633687604]
  針先端で取得した複雑なCT信号の位相および強度データから組織を分類するディープニューラルネットワークを提案する。 トレーニングセットの10%で、提案した事前学習戦略により、モデルが0.84のF1スコアを達成するのに対して、モデルが0.60のF1スコアを得るのに対して、モデルが0.84のF1スコアを得るのに役立ちます。
  論文  参考訳（メタデータ） (2023-04-26T14:11:04Z)
• Parkinsons Disease Detection via Resting-State Electroencephalography Using Signal Processing and Machine Learning Techniques [0.0]
  パーキンソン病(英: Parkinsons Disease、PD)は、ドーパミン作動性ニューロンの変性により運動障害を引き起こす神経変性疾患である。 脳波はPD患者の異常を示す。 1つの大きな課題は、治療薬や治療薬で病気を綿密に監視するために、PDのための一貫性のある、正確で、体系的なバイオマーカーが欠如していることである。
  論文  参考訳（メタデータ） (2023-03-29T06:03:05Z)
• Morphological feature visualization of Alzheimer's disease via Multidirectional Perception GAN [40.50404819220093]
  アルツハイマー病(AD)の重症度を示す形態的特徴を可視化するために, 新規な多方向知覚生成適応ネットワーク(MP-GAN)を提案する。 MP-GANは既存の手法に比べて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-11-25T03:24:52Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• 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)
• 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)

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。