論文の概要: MobiVital: Self-supervised Time-series Quality Estimation for Contactless Respiration Monitoring Using UWB Radar

• arxiv url: http://arxiv.org/abs/2503.11064v1
• Date: Fri, 14 Mar 2025 04:14:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:05:40.380831
• Title: MobiVital: Self-supervised Time-series Quality Estimation for Contactless Respiration Monitoring Using UWB Radar
• Title（参考訳）: MobiVital:UWBレーダを用いた非接触呼吸モニタリングのための自己教師型時系列品質評価
• Authors: Ziqi Wang, Derek Hua, Wenjun Jiang, Tianwei Xing, Xun Chen, Mani Srivastava,
• Abstract要約: 超広帯域(UWB)レーダーデータから得られた呼吸波形の品質を向上させる新しい手法MobiVitalを提案する。 MobiVitalは、波形抽出のための自己教師付き自己回帰モデルと、生体情報処理アルゴリズムを組み合わせて波形インバージョンを検出し、修正する。 以上の結果から, 本システムで生成する呼吸波形は, ベースラインに比べて7～34%の忠実性を示した。
• 参考スコア（独自算出の注目度）: 10.090037080306896
• License:
• Abstract: Respiration waveforms are increasingly recognized as important biomarkers, offering insights beyond simple respiration rates, such as detecting breathing irregularities for disease diagnosis or monitoring breath patterns to guide rehabilitation training. Previous works in wireless respiration monitoring have primarily focused on estimating respiration rate, where the breath waveforms are often generated as a by-product. As a result, issues such as waveform deformation and inversion have largely been overlooked, reducing the signal's utility for applications requiring breathing waveforms. To address this problem, we present a novel approach, MobiVital, that improves the quality of respiration waveforms obtained from ultra-wideband (UWB) radar data. MobiVital combines a self-supervised autoregressive model for breathing waveform extraction with a biology-informed algorithm to detect and correct waveform inversions. To encourage reproducible research efforts for developing wireless vital signal monitoring systems, we also release a 12-person, 24-hour UWB radar vital signal dataset, with time-synchronized ground truth obtained from wearable sensors. Our results show that the respiration waveforms produced by our system exhibit a 7-34% increase in fidelity to the ground truth compared to the baselines and can benefit downstream tasks such as respiration rate estimation.
• Abstract（参考訳）: 呼吸波形は重要なバイオマーカーとして認識され、疾患診断のための呼吸異常の検出やリハビリテーショントレーニングのための呼吸パターンのモニタリングなど、単純な呼吸速度を超える洞察を提供する。 無線呼吸監視におけるこれまでの研究は、呼吸波形が副生成物としてしばしば生成される呼吸速度の推定に重点を置いていた。 その結果、波形の変形や逆転といった問題は概ね見過ごされ、呼吸波形を必要とする用途における信号の有用性は低下した。 この問題に対処するため,UWBレーダデータから得られた呼吸波形の品質を向上させる新しい手法MobiVitalを提案する。 MobiVitalは、波形抽出のための自己教師付き自己回帰モデルと、生体情報処理アルゴリズムを組み合わせて波形インバージョンを検出し、修正する。 また、無線バイタル信号監視システムを開発するための再現可能な研究を奨励するため、ウェアラブルセンサから得られた時刻同期地上情報を用いて、24時間UWBレーダーバイタル信号データセットを12人リリースする。 以上の結果から,本システムによる呼吸波形は,ベースラインに比べて7～34%の忠実度が向上し,呼吸速度推定などの下流業務に有効であることが示唆された。

関連論文リスト

• Ultrasound Lung Aeration Map via Physics-Aware Neural Operators [78.6077820217471]
  肺超音波は、急性肺疾患や慢性肺疾患を診断するクリニックにおいて増加するモダリティである。 超音波による空気透過性の低下に起因する胸膜界面からの複雑な逆流によって複雑になる。 RFデータから肺エアレーションマップを直接再構成するAIモデルLUNAを提案する。
  論文  参考訳（メタデータ） (2025-01-02T09:24:34Z)
• Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters [39.96015789655091]
  多くのfMRI研究では、呼吸信号が欠如しているか、品質が悪いことがしばしばある。 周辺記録装置を必要とせずに、fMRIデータから直接呼吸変動(RV)波形を抽出するツールを持つことは、非常に有益である。 本研究では,頭部運動パラメータとBOLD信号を用いたRV波形再構成のためのCNNモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-30T21:53:11Z)
• Using BOLD-fMRI to Compute the Respiration Volume per Time (RTV) and Respiration Variation (RV) with Convolutional Neural Networks (CNN) in the Human Connectome Development Cohort [55.41644538483948]
  本研究では, RVとRVTの2つの呼吸対策を再現するための1次元CNNモデルを提案する。 その結果、CNNはBOLD信号の静止から情報的特徴を捉え、現実的なRVとRVTのタイムリーを再構築できることがわかった。
  論文  参考訳（メタデータ） (2023-07-03T18:06:36Z)
• Noncontact Respiratory Anomaly Detection Using Infrared Light-Wave Sensing [0.1759252234439348]
  異常な呼吸は、さらなる診断と治療につながる致命的な健康上の問題を示す可能性がある。 本研究では,人間の呼吸パターンを模倣するロボットを用いて,正常および異なる種類の呼吸異常をシミュレートした。 赤外線センシング技術を用いて時系列呼吸データを収集した。
  論文  参考訳（メタデータ） (2023-01-09T23:19:40Z)
• Rapid Extraction of Respiratory Waveforms from Photoplethysmography: A Deep Encoder Approach [24.594587557319837]
  呼吸情報の多くは、血流、心拍数、脳卒中量の変化を通じて、光胸腺造影信号に含まれる。 我々は、この事実を、再利用可能な畳み込みオートエンコーダに基づく新しいディープラーニングフレームワークを用いて活用することを目指している。 本モデルでは, 金標準に接近する呼吸波形を生成でき, 同時に, 術中呼吸速度の推定値を生成できることが示されている。
  論文  参考訳（メタデータ） (2022-12-22T13:07:13Z)
• REGAS: REspiratory-GAted Synthesis of Views for Multi-Phase CBCT Reconstruction from a single 3D CBCT Acquisition [75.64791080418162]
  REGASは、アンダーサンプドトモグラフィビューを合成し、再構成画像中のアーティファクトのエイリアスを緩和する自己教師手法を提案する。 高解像度4Dデータ上でのディープニューラルネットワークの大規模なメモリコストに対処するため、REGASは分散して微分可能なフォワードプロジェクションを可能にする新しいレイパス変換(RPT)を導入した。
  論文  参考訳（メタデータ） (2022-08-17T03:42:19Z)
• An Apparatus for the Simulation of Breathing Disorders: Physically Meaningful Generation of Surrogate Data [24.50116388903113]
  健常者における閉塞性および拘束性呼吸波形の両方をシミュレートする簡便かつ効果的な方法として,PVCチューブと3Dプリント部品からなる装置を提案する。 呼吸抵抗と呼吸抵抗の両方を独立に制御することで、FEV1/FVCの吸気比の全スペクトルを通して閉塞性呼吸障害をシミュレーションすることができる。 人工呼吸障害シミュレーション装置の使用による波形においても、吸気義務周期の変化やピークフローの変化などの呼吸障害の波形特性が観察される。
  論文  参考訳（メタデータ） (2021-09-14T14:00:37Z)
• 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)
• 2-D Respiration Navigation Framework for 3-D Continuous Cardiac Magnetic Resonance Imaging [61.701281723900216]
  連続スキャン中に2次元呼吸情報を得るためのサンプリング適応を提案する。 我々は、取得した信号から異なる呼吸状態を抽出し、ある呼吸相からデータを再構成するパイプラインを開発した。
  論文  参考訳（メタデータ） (2020-12-26T08:29:57Z)
• Collaborative Three-Tier Architecture Non-contact Respiratory Rate Monitoring using Target Tracking and False Peaks Eliminating Algorithms [10.232449356645608]
  非接触呼吸モニタリング技術は、照明やモーションアーティファクトのような環境の影響に敏感であるため、精度が低い。 ユーザとクラウド間の頻繁な接触は、サービス要求の遅延と、個人情報の喪失を引き起こす可能性がある。 我々は,呼吸モニタリングの精度を高め,データ伝送遅延を低減するために,協調的な3層設計による非接触呼吸率モニタリングシステムを提案した。
  論文  参考訳（メタデータ） (2020-11-17T07:33:00Z)
• Identification of deep breath while moving forward based on multiple body regions and graph signal analysis [45.62293065676075]
  本稿では,世界深度カメラを通り過ぎているときの深呼吸を自動的に識別できる非閉塞性ソリューションを提案する。 検証実験において、提案手法は、それぞれ75.5%、76.2%、75.0%、75.2%の精度、精度、リコール、F1の比較手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-20T08:26:50Z)

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。