論文の概要: Advancing Intoxication Detection: A Smartwatch-Based Approach

• arxiv url: http://arxiv.org/abs/2510.09916v1
• Date: Fri, 10 Oct 2025 23:21:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.692422
• Title: Advancing Intoxication Detection: A Smartwatch-Based Approach
• Title（参考訳）: 中毒検出の促進:スマートウォッチによるアプローチ
• Authors: Manuel Segura, Pere Vergés, Richard Ky, Ramesh Arangott, Angela Kristine Garcia, Thang Dihn Trong, Makoto Hyodo, Alexandru Nicolau, Tony Givargis, Sergio Gago-Masague,
• Abstract要約: この研究は、中毒警告に対するジャストインタイム介入に対するモバイルスマートウォッチアプリケーションアプローチを導入している。 3週間の期間に,TAC,加速度計,ジャイロスコープ,心拍データを収集するデータセットを作成した。 これは、加速度計、ジャイロスコープ、心拍計のデータを長期にわたって収集し、中毒レベルを分類する最初の研究である。
• 参考スコア（独自算出の注目度）: 32.23955373368
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Excess alcohol consumption leads to serious health risks and severe consequences for both individuals and their communities. To advocate for healthier drinking habits, we introduce a groundbreaking mobile smartwatch application approach to just-in-time interventions for intoxication warnings. In this work, we have created a dataset gathering TAC, accelerometer, gyroscope, and heart rate data from the participants during a period of three weeks. This is the first study to combine accelerometer, gyroscope, and heart rate smartwatch data collected over an extended monitoring period to classify intoxication levels. Previous research had used limited smartphone motion data and conventional machine learning (ML) algorithms to classify heavy drinking episodes; in this work, we use smartwatch data and perform a thorough evaluation of different state-of-the-art classifiers such as the Transformer, Bidirectional Long Short-Term Memory (bi-LSTM), Gated Recurrent Unit (GRU), One-Dimensional Convolutional Neural Networks (1D-CNN), and Hyperdimensional Computing (HDC). We have compared performance metrics for the algorithms and assessed their efficiency on resource-constrained environments like mobile hardware. The HDC model achieved the best balance between accuracy and efficiency, demonstrating its practicality for smartwatch-based applications.
• Abstract（参考訳）: アルコールの過剰摂取は、個人とコミュニティの両方にとって深刻な健康リスクと深刻な結果をもたらす。 より健康的な飲酒習慣を提唱するために、酔いの警告に対するジャストインタイム介入に対する画期的なモバイルスマートウォッチアプリケーションアプローチを導入する。 本研究では,TAC,加速度計,ジャイロスコープ,心拍データを3週間の期間に収集するデータセットを作成した。 これは、加速度計、ジャイロスコープ、心拍計のデータを長期にわたって収集し、中毒レベルを分類する最初の研究である。 これまでの研究では、スマートフォンのモーションデータと従来の機械学習(ML)アルゴリズムを使用して、重い飲酒エピソードを分類し、スマートウォッチデータを使用して、Transformer、Bidirectional Long Short-Term Memory (bi-LSTM)、Gated Recurrent Unit (GRU)、One-dimensional Convolutional Neural Networks (1D-CNN)、Hyperdimensional Computing (HDC)といった最先端の分類器を徹底的に評価した。 我々は,これらのアルゴリズムのパフォーマンス指標を比較し,モバイルハードウェアなどの資源制約のある環境において,その効率性を評価した。 HDCモデルは精度と効率の最良のバランスを達成し、スマートウォッチベースのアプリケーションで実用性を実証した。

関連論文リスト

• Real-Time Fall Detection Using Smartphone Accelerometers and WiFi Channel State Information [18.585198790927638]
  スマートフォンの慣性計測ユニット(IMU)を最適化したWi-Fiチャネル状態情報(CSI)と統合したリアルタイム転倒検出システムを提案する。 専用に開発されたAndroidアプリケーションは、ユーザが転倒を経験し、移動できない場合、緊急アラートを発行する。
  論文  参考訳（メタデータ） (2024-12-13T09:07:41Z)
• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• Enhanced Detection of Transdermal Alcohol Levels Using Hyperdimensional Computing on Embedded Devices [34.718604475406515]
  私たちは、スマートフォン、スマートウェアラブル、IoTデプロイメントに実用的なジャスト・イン・タイムの介入アプローチを設計しています。 我々は、様々なHDC符号化設計を探求し、それらを様々なHDC学習モデルと組み合わせて、モバイルデバイスに最適な、実現可能なアプローチを作成する。 精度は89%で,現状よりも12%向上した。
  論文  参考訳（メタデータ） (2024-03-18T23:32:08Z)
• Efficient Adaptive Human-Object Interaction Detection with Concept-guided Memory [64.11870454160614]
  概念誘導メモリ(ADA-CM)を用いた適応型HOI検出器を提案する。 ADA-CMには2つの操作モードがある。最初のモードでは、トレーニング不要のパラダイムで新しいパラメータを学習することなくチューニングできる。 提案手法は, HICO-DET と V-COCO のデータセットに対して, より少ないトレーニング時間で, 最新技術による競合的な結果を得る。
  論文  参考訳（メタデータ） (2023-09-07T13:10:06Z)
• CareFall: Automatic Fall Detection through Wearable Devices and AI Methods [0.0]
  CareFallは、ウェアラブルデバイスと人工知能(AI)メソッドに基づいた自動転倒検知システム(FDS)である。 CareFallは、スマートウォッチから抽出された加速度計とジャイロスコープの時間信号について検討している。
  論文  参考訳（メタデータ） (2023-07-11T14:08:51Z)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• Reducing a complex two-sided smartwatch examination for Parkinson's Disease to an efficient one-sided examination preserving machine learning accuracy [63.20765930558542]
  パーキンソン病(PD)研究における技術ベースアセスメントの実施状況について報告した。 本研究は、両手同期スマートウォッチ測定におけるPDサンプルサイズとして最大である。
  論文  参考訳（メタデータ） (2022-05-11T09:12:59Z)
• MedSensor: Medication Adherence Monitoring Using Neural Networks on Smartwatch Accelerometer Sensor Data [0.0]
  薬物依存症は深刻な経済・健康問題を引き起こす。 我々は、スマートウォッチから加速度計の手の動きデータを収集するスマートウォッチアプリケーションを開発した。 ニューラルネットワークを開発し、その後、センサーデータのネットワークを訓練し、薬品や非薬効のジェスチャーを認識する。
  論文  参考訳（メタデータ） (2021-05-19T03:42:30Z)
• Human Activity Recognition using Deep Learning Models on Smartphones and Smartwatches Sensor Data [0.0]
  We use the popular WISDM dataset for activity recognition。 スマートフォンやスマートウォッチは、着ている場所によって、同じ方法でデータをキャプチャしません。
  論文  参考訳（メタデータ） (2021-02-28T06:49:52Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)

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。