論文の概要: Low-cost Embedded Breathing Rate Determination Using 802.15.4z IR-UWB Hardware for Remote Healthcare
- arxiv url: http://arxiv.org/abs/2504.03772v1
- Date: Thu, 03 Apr 2025 07:54:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-08 14:09:20.320738
- Title: Low-cost Embedded Breathing Rate Determination Using 802.15.4z IR-UWB Hardware for Remote Healthcare
- Title（参考訳）: 802.15.4z IR-UWBハードウェアを用いた遠隔医療用低コスト人工呼吸速度測定
- Authors: Anton Lambrecht, Stijn Luchie, Jaron Fontaine, Ben Van Herbruggen, Adnan Shahid, Eli De Poorter,
- Abstract要約: 超広帯域(UWB)チャネルインパルス応答(CIR)データから呼吸速度を予測する畳み込みニューラルネットワーク(CNN)を提案する。
46KBのメモリを必要とするnRF52840システムにアルゴリズムをデプロイし,192msの推論時間で動作可能であることを示す。
- 参考スコア（独自算出の注目度）: 1.566834021297545
- License:
- Abstract: Respiratory diseases account for a significant portion of global mortality. Affordable and early detection is an effective way of addressing these ailments. To this end, a low-cost commercial off-the-shelf (COTS), IEEE 802.15.4z standard compliant impulse-radio ultra-wideband (IR-UWB) radar system is exploited to estimate human respiration rates. We propose a convolutional neural network (CNN) to predict breathing rates from ultra-wideband (UWB) channel impulse response (CIR) data, and compare its performance with other rule-based algorithms. The study uses a diverse dataset of 16 individuals, incorporating various real-life environments to evaluate system robustness. Results show that the CNN achieves a mean absolute error (MAE) of 1.73 breaths per minute (BPM) in unseen situations, significantly outperforming rule-based methods (3.40 BPM). By incorporating calibration data from other individuals in the unseen situations, the error is further reduced to 0.84 BPM. In addition, this work evaluates the feasibility of running the pipeline on a low-cost embedded device. Applying 8-bit quantization to both the weights and input/ouput tensors, reduces memory requirements by 67% and inference time by 64% with only a 3% increase in MAE. As a result, we show it is feasible to deploy the algorithm on an nRF52840 system-on-chip (SoC) requiring only 46 KB of memory and operating with an inference time of only 192 ms. Once deployed, the system can last up to 268 days without recharging using a 20 000 mAh battery pack. For breathing monitoring in bed, the sampling rate can be lowered, extending battery life to 313 days, making the solution highly efficient for real-world, low-cost deployments.
- Abstract（参考訳）: 呼吸器疾患は世界の死亡率のかなりの部分を占めている。
拡張可能かつ早期検出は、これらの障害に対処する効果的な方法である。
この目的のために、低コストの商用オフザシェルフ(COTS)、IEEE 802.15.4z標準準拠のインパルス・ラジオ・ウルトラワイドバンド(IR-UWB)レーダーシステムを用いて、人間の呼吸速度を推定する。
本稿では,超広帯域(UWB)チャネルインパルス応答(CIR)データから呼吸速度を予測する畳み込みニューラルネットワーク(CNN)を提案し,その性能を他のルールベースアルゴリズムと比較する。
この研究は16人の個人からなる多様なデータセットを使用しており、システムの堅牢性を評価するために様々な実生活環境を取り入れている。
その結果、CNNは、目に見えない状況において平均1.73呼吸毎分(BPM)の絶対誤差(MAE)を達成し、ルールベースの手法(3.40BPM)よりも大幅に優れていた。
他の個人のキャリブレーションデータを目に見えない状況に組み込むことで、エラーはさらに0.84BPMに削減される。
さらに、この研究は、低コストの組み込みデバイス上でパイプラインを実行する可能性を評価する。
8ビット量子化を重みと入出力テンソルの両方に適用することで、メモリ要求を67%削減し、推論時間を64%削減し、MAEはわずか3%増加した。
その結果、このアルゴリズムをnRF52840システムオンチップ(SoC)にデプロイし、46KBのメモリしか必要とせず、推論時間192msで動作可能であることがわかった。
ベッドでの呼吸モニタリングでは、サンプリング率を低下させ、バッテリー寿命を313日に延長し、現実の低コストな展開に極めて効率的なソリューションとなる。
関連論文リスト
- An Efficient Ground-aerial Transportation System for Pest Control Enabled by AI-based Autonomous Nano-UAVs [45.07031440932014]
我々は、害虫検出のための小さな画像ベースの畳み込みニューラルネットワーク(CNN)を設計し、微調整し、最適化する。
我々のCNNは6.8フレーム/秒でリアルタイムに動作し、クレイジーフリーナノUAVに搭載されたGWT GAP9 System-on-Chip上で33mWが必要になります。
このシナリオでは、検査と治療の両方を行う従来の単座車両と比較して、効率的な輸送システムは最大20時間作業時間を節約できる。
論文 参考訳（メタデータ） (2025-02-20T11:14:55Z) - RRWaveNet: A Compact End-to-End Multi-Scale Residual CNN for Robust PPG
Respiratory Rate Estimation [0.6464087844700315]
RRの変化は、心臓病、肺疾患、睡眠障害などの深刻な医療イベントを反映できるため、呼吸速度(RR)は重要なバイオマーカーである。
標準RRカウントはヒューマンエラーを起こしやすいため、連続的に実行することはできない。
本研究では,RRWaveNetを連続的に推定する手法を提案する。
論文 参考訳（メタデータ） (2022-08-18T07:11:34Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - End-to-End Optimized Arrhythmia Detection Pipeline using Machine
Learning for Ultra-Edge Devices [0.0]
心房細動(AF)は世界中で最も多い不整脈であり、人口の2%が影響を受けている。
超最先端デバイスに展開可能な高精度のリアルタイム心房細動検出のための効率的なパイプラインを提案する。
論文 参考訳（メタデータ） (2021-11-23T11:06:27Z) - 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) - Reinforcement Learning for Minimizing Age of Information in Real-time
Internet of Things Systems with Realistic Physical Dynamics [158.67956699843168]
本稿では,インターネット・オブ・モノ(IoT)デバイスにおける情報量(AoI)と総エネルギー消費の重み付けを最小化する問題について検討する。
サンプリングポリシを最適化するために,分散強化学習手法を提案する。
PM 2.5公害の実データを用いたシミュレーションでは、提案アルゴリズムがAoIの合計を最大17.8%および33.9%削減できることが示された。
論文 参考訳（メタデータ） (2021-04-04T03:17:26Z) - ECG-TCN: Wearable Cardiac Arrhythmia Detection with a Temporal
Convolutional Network [14.503893070243585]
シングルリード心電図信号は、心不整脈を検出、分類、予測する能力を提供する。
ウェアラブルプラットフォームでの利用が可能でありながら、高い精度を実現する新しい時間的畳み込みネットワーク(TCN)を提案します。
論文 参考訳（メタデータ） (2021-03-25T10:39:54Z) - 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) - Gait Recovery System for Parkinson's Disease using Machine Learning on
Embedded Platforms [0.052498055901649014]
パーキンソン病(PD)の診断における歩行凍結(FoG)は共通の歩行障害である
著者らは加速度センサ信号から機械学習サブシステムを用いてFOGイベントを検出するユビキタス組み込みシステムを提案する。
論文 参考訳（メタデータ） (2020-04-13T08:03:28Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。