論文の概要: From Biometrics to Environmental Control: AI-Enhanced Digital Twins for Personalized Health Interventions in Healing Landscapes

• arxiv url: http://arxiv.org/abs/2505.06263v1
• Date: Sun, 04 May 2025 21:58:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.710614
• Title: From Biometrics to Environmental Control: AI-Enhanced Digital Twins for Personalized Health Interventions in Healing Landscapes
• Title（参考訳）: バイオメトリックスから環境制御へ:癒しの景観における個人化された健康介入のためのAI強化デジタル双生児
• Authors: Yiping Meng, Yiming Sun,
• Abstract要約: 本稿では,生体信号,特に心電図(ECG)データを温度,湿度,換気などの環境パラメータと統合したAI強化デジタルツインフレームワークを提案する。 システムは、物理環境の応答性のある仮想レプリカを構築するために、連続的にマルチモーダルデータストリームを取得し、同期し、前処理する。
• 参考スコア（独自算出の注目度）: 5.381203326687129
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The dynamic nature of human health and comfort calls for adaptive systems that respond to individual physiological needs in real time. This paper presents an AI-enhanced digital twin framework that integrates biometric signals, specifically electrocardiogram (ECG) data, with environmental parameters such as temperature, humidity, and ventilation. Leveraging IoT-enabled sensors and biometric monitoring devices, the system continuously acquires, synchronises, and preprocesses multimodal data streams to construct a responsive virtual replica of the physical environment. To validate this framework, a detailed case study is conducted using the MIT-BIH noise stress test dataset. ECG signals are filtered and segmented using dynamic sliding windows, followed by extracting heart rate variability (HRV) features such as SDNN, BPM, QTc, and LF/HF ratio. Relative deviation metrics are computed against clean baselines to quantify stress responses. A random forest classifier is trained to predict stress levels across five categories, and Shapley Additive exPlanations (SHAP) is used to interpret model behaviour and identify key contributing features. These predictions are mapped to a structured set of environmental interventions using a Five Level Stress Intervention Mapping, which activates multi-scale responses across personal, room, building, and landscape levels. This integration of physiological insight, explainable AI, and adaptive control establishes a new paradigm for health-responsive built environments. It lays the foundation for the future development of intelligent, personalised healing spaces.
• Abstract（参考訳）: 人間の健康と快適さの動的な性質は、個々の生理的ニーズにリアルタイムで反応する適応システムを要求する。 本稿では,生体信号,特に心電図(ECG)データを温度,湿度,換気などの環境パラメータと統合したAI強化デジタルツインフレームワークを提案する。 IoT対応センサーとバイオメトリックモニタリングデバイスを活用することで、システムは、物理環境の応答性のある仮想レプリカを構築するために、継続的にマルチモーダルデータストリームを取得し、同期し、前処理する。 この枠組みを検証するために、MIT-BIHノイズストレステストデータセットを用いて詳細なケーススタディを行った。 ECG信号は動的スライディングウィンドウを使用してフィルタリングされ、その後SDNN、BPM、QTc、LF/HF比といった心拍変動(HRV)特徴を抽出する。 相対偏差メトリクスは、ストレス応答を定量化するためにクリーンベースラインに対して計算される。 ランダム森林分類器は5つのカテゴリにわたるストレスレベルを予測するために訓練され、Shapley Additive ExPlanations (SHAP) はモデルの振る舞いを解釈し、重要な寄与する特徴を特定するために使用される。 これらの予測は、パーソナル、ルーム、ビル、ランドスケープの各レベルにわたるマルチスケール応答を活性化する5レベルストレスインターベンションマッピングを用いて、環境介入の構造化セットにマッピングされる。 この生理学的洞察、説明可能なAI、適応制御の統合は、健康に敏感な構築環境の新しいパラダイムを確立します。 インテリジェントでパーソナライズされた癒し空間の将来の発展の基礎を築いている。

関連論文リスト

• Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
  マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。 TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-11T15:20:45Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• DE-PADA: Personalized Augmentation and Domain Adaptation for ECG Biometrics Across Physiological States [6.857781758172894]
  パーソナライズされた拡張とドメイン適応を備えたデュアルエキスパートモデルであるDE-PADAを提案する。 このモデルは、エクササイズデータに直接露出することなく、主に安静状態データに基づいて訓練されている。 トロント大学ECGデータベースの実験では、モデルの有効性が示されている。
  論文  参考訳（メタデータ） (2025-02-07T14:46:13Z)
• An Adaptive System for Wearable Devices to Detect Stress Using Physiological Signals [6.025332045004531]
  本稿では PPG と EDA 信号を用いたパーソナライズされたストレス検出のための適応フレームワークを提案する。 一般化されたモデルに依存する従来の手法とは異なり、このフレームワークは各ユーザにより高いストレス検出精度のパーソナライズされたモデルを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-07-21T19:52:44Z)
• Context-Aware Stress Monitoring using Wearable and Mobile Technologies in Everyday Settings [2.650926942973848]
  本研究では,生理的データと文脈的データの両方を利用して,日常のストレスレベルを客観的に追跡するモニタリングシステムを提案する。 本稿では,その課題に対処する3階層のインターネット・オブ・シングス・システムアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-12-14T19:16:11Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
  我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。 睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-30T08:24:01Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)

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。