論文の概要: PixleepFlow: A Pixel-Based Lifelog Framework for Predicting Sleep Quality and Stress Level

• arxiv url: http://arxiv.org/abs/2502.17469v2
• Date: Wed, 26 Feb 2025 03:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:53:59.672466
• Title: PixleepFlow: A Pixel-Based Lifelog Framework for Predicting Sleep Quality and Stress Level
• Title（参考訳）: PixleepFlow: 睡眠の質とストレスレベルを予測するためのPixelベースのライフログフレームワーク
• Authors: Younghoon Na, Seunghun Oh, Seongji Ko, Hyunkyung Lee,
• Abstract要約: 本研究では、画像に基づく睡眠の質とストレスレベル推定フロー(PixleepFlow)を提案する。 PixleepFlowは、睡眠パターンとその全体的な健康への影響を調べるために、複合画像データへの変換手法を採用している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The analysis of lifelogs can yield valuable insights into an individual's daily life, particularly with regard to their health and well-being. The accurate assessment of quality of life is necessitated by the use of diverse sensors and precise synchronization. To rectify this issue, this study proposes the image-based sleep quality and stress level estimation flow (PixleepFlow). PixleepFlow employs a conversion methodology into composite image data to examine sleep patterns and their impact on overall health. Experiments were conducted using lifelog datasets to ascertain the optimal combination of data formats. In addition, we identified which sensor information has the greatest influence on the quality of life through Explainable Artificial Intelligence(XAI). As a result, PixleepFlow produced more significant results than various data formats. This study was part of a written-based competition, and the additional findings from the lifelog dataset are detailed in Section Section IV. More information about PixleepFlow can be found at https://github.com/seongjiko/Pixleep.
• Abstract（参考訳）: ライフログの分析は、特に健康と幸福に関して、個人の日常生活に貴重な洞察を与えることができる。 生活の質の正確な評価は、多様なセンサーと正確な同期によって必要となる。 そこで本研究では,画像に基づく睡眠の質とストレスレベル推定フロー(PixleepFlow)を提案する。 PixleepFlowは、睡眠パターンとその全体的な健康への影響を調べるために、複合画像データへの変換手法を採用している。 ライフログデータセットを用いてデータフォーマットの最適な組み合わせを確認する実験を行った。 さらに,XAI(Explainable Artificial Intelligence, 説明可能な人工知能)を用いて,どのセンサ情報が生活の質に最も大きな影響を与えているかを確認した。 その結果、PixleepFlowは様々なデータフォーマットよりも大きな結果をもたらしました。 本研究は文献によるコンペティションの一部であり,ライフログデータセットからのさらなる知見は第4節で詳述されている。 PixleepFlowの詳細はhttps://github.com/seongjiko/Pixleep.comで確認できる。

関連論文リスト

• FedCVD: The First Real-World Federated Learning Benchmark on Cardiovascular Disease Data [52.55123685248105]
  心臓血管疾患(CVD)は、現在世界でも主要な死因であり、早期診断と治療の要点を浮き彫りにしている。 機械学習(ML)手法はCVDの早期診断に役立つが、その性能は高品質なデータへのアクセスに依存している。 本稿では、FedCVDという心臓血管疾患検出のための、世界初の実世界のFLベンチマークを示す。
  論文  参考訳（メタデータ） (2024-10-28T02:24:01Z)
• 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)
• Predicting the fatigue life of asphalt concrete using neural networks [0.0]
  アスファルトコンクリート(AC)の耐久性と維持要求は, その疲労寿命に強く影響される。 本研究では, ニューラルネットワークを用いて交流疲労寿命を予測し, ひずみレベル, バインダー含量, 空気ボイド含量の影響に着目した。
  論文  参考訳（メタデータ） (2024-06-03T16:53:07Z)
• Contrast Everything: A Hierarchical Contrastive Framework for Medical Time-Series [12.469204999759965]
  COMETは、医療時系列のすべての固有のレベルにおいてデータのコンピテンシーを活用する革新的な階層的フレームワークである。 我々の綿密に設計されたモデルは、観察、サンプル、トライアル、患者レベルという4つの潜在的なレベルからデータ一貫性を体系的にキャプチャする。 心筋梗塞の心電図信号とアルツハイマー病とパーキンソン病の脳波信号を含む3つの多様なデータセットを用いて,COMETと6つのベースラインを比較した。
  論文  参考訳（メタデータ） (2023-10-21T13:59:31Z)
• BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
  本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。 提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。 実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
  論文  参考訳（メタデータ） (2022-07-27T09:26:15Z)
• SCAMPS: Synthetics for Camera Measurement of Physiological Signals [17.023803380199492]
  SCAMPSは2,800本のビデオ (1.68Mフレーム) を含む合成物のデータセットである。 本研究は、心拍間隔、心拍変動、パルス到着時間など、基礎となる波形に関する記述統計を提供する。
  論文  参考訳（メタデータ） (2022-06-08T23:48:41Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• The Effect of the Loss on Generalization: Empirical Study on Synthetic Lung Nodule Data [13.376247652484274]
  異なる損失関数が学習される特徴に結びつき、その結果、未確認データに対する分類器の一般化能力に影響を及ぼすことを示す。 本研究は、医用画像処理タスクのためのディープラーニングソリューションの設計に関する重要な知見を提供する。
  論文  参考訳（メタデータ） (2021-08-10T17:58:01Z)
• Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
  ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。 行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。 学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
  論文  参考訳（メタデータ） (2021-03-23T11:10:04Z)
• DeFlow: Learning Complex Image Degradations from Unpaired Data with Conditional Flows [145.83812019515818]
  本論文では,不対データから画像劣化を学習するDeFlowを提案する。 共有フローデコーダネットワークの潜在空間における劣化過程をモデル化する。 共同画像復元と超解像におけるDeFlowの定式化を検証した。
  論文  参考訳（メタデータ） (2021-01-14T18:58:01Z)
• Do You Live a Healthy Life? Analyzing Lifestyle by Visual Life Logging [5.377783209681779]
  健康なライフスタイルは、健康と幸福を高める鍵であり、生活の質や病気の予防にかなりの影響を及ぼす。 現在のライフログ/エゴセントリックデータセットは、ライフスタイル分析には適していない。 生活分析のためのビジュアルライフログデータセット(VLDLA)を構築した。
  論文  参考訳（メタデータ） (2020-11-24T14:20:12Z)

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。