論文の概要: Time-Series at the Edge: Tiny Separable CNNs for Wearable Gait Detection and Optimal Sensor Placement

• arxiv url: http://arxiv.org/abs/2512.00396v1
• Date: Sat, 29 Nov 2025 08:52:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.220161
• Title: Time-Series at the Edge: Tiny Separable CNNs for Wearable Gait Detection and Optimal Sensor Placement
• Title（参考訳）: エッジにおける時系列:ウェアラブル歩行検出と最適センサ配置のための細い分離可能なCNN
• Authors: Andrea Procopio, Marco Esposito, Sara Raggiunto, Andrey Gizdov, Alberto Belli, Paola Pierleoni,
• Abstract要約: 我々は,3軸加速度の短い窓から発生するパーキンソン病(PD)の歩行検出のためのデバイス上での時系列解析について検討した。 1つの文献ベースライン(分離可能な畳み込み)と2つのウルトラライトモデル(純粋に分離可能なもの)である。
• 参考スコア（独自算出の注目度）: 3.7765281299298015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study on-device time-series analysis for gait detection in Parkinson's disease (PD) from short windows of triaxial acceleration, targeting resource-constrained wearables and edge nodes. We compare magnitude thresholding to three 1D CNNs for time-series analysis: a literature baseline (separable convolutions) and two ultra-light models - one purely separable and one with residual connections. Using the BioStampRC21 dataset, 2 s windows at 30 Hz, and subject-independent leave-one-subject-out (LOSO) validation on 16 PwPD with chest-worn IMUs, our residual separable model (Model 2, 533 params) attains PR-AUC = 94.5%, F1 = 91.2%, MCC = 89.4%, matching or surpassing the baseline (5,552 params; PR-AUC = 93.7%, F1 = 90.5%, MCC = 88.5%) with approximately 10x fewer parameters. The smallest model (Model 1, 305 params) reaches PR-AUC = 94.0%, F1 = 91.0%, MCC = 89.1%. Thresholding obtains high recall (89.0%) but low precision (76.5%), yielding many false positives and high inter-subject variance. Sensor-position analysis (train-on-all) shows chest and thighs are most reliable; forearms degrade precision/recall due to non-gait arm motion; naive fusion of all sites does not outperform the best single site. Both compact CNNs execute within tight memory/latency budgets on STM32-class MCUs (sub-10 ms on low-power boards), enabling on-sensor gating of transmission/storage. Overall, ultra-light separable CNNs provide a superior accuracy-efficiency-generalization trade-off to fixed thresholds for wearable PD gait detection and underscore the value of tailored time-series models for edge deployment.
• Abstract（参考訳）: 我々は,3軸加速度の短い窓から発生するパーキンソン病(PD)の歩行検出のためのデバイス上の時系列解析を行い,資源制約のあるウェアラブルとエッジノードをターゲットにした。 1つの文献ベースライン(分離可能な畳み込み)と2つのウルトラライトモデル(純粋に分離可能なもの)である。 PR-AUC = 94.5%, F1 = 91.2%, MCC = 89.4%, 基準値 (5,552params; PR-AUC = 93.7%, F1 = 90.5%, MCC = 88.5%) が得られた。 最小モデル(Model 1, 305 params)はPR-AUC = 94.0%、F1 = 91.0%、MCC = 89.1%に達する。 Thresholdingは高いリコール(89.0%)を得るが、低い精度(76.5%)を得る。 センサポジション分析(Train-on-all)では胸部と大腿部が最も信頼でき、前腕は非外腕運動により精度・再コールが低下する。 両方のコンパクトCNNは、STM32クラスのMCU(低消費電力ボードではサブ10ms)上で、メモリ/レイテンシの予算内で動作し、オンセンサーで転送/保存を行うことができる。 全体として、超軽量分離可能なCNNは、ウェアラブルPD歩行検出のための固定しきい値に対する精度-効率-一般化トレードオフに優れ、エッジ展開のための調整された時系列モデルの価値を低く評価する。

関連論文リスト

• StrikeWatch: Wrist-worn Gait Recognition with Compact Time-series Models on Low-power FPGAs [10.946464973530214]
  歩行パターンが良くなると、特に専門家のフィードバックなしに怪我につながることがある。 Wrist-wornウェアラブルは、実用的で非侵襲的な代替手段を提供する。 本稿では,デバイス上でリアルタイム歩行認識を行う小型手首輪システムであるStrikeWatchを紹介する。
  論文  参考訳（メタデータ） (2025-10-14T20:28:31Z)
• Advanced U-Net Architectures with CNN Backbones for Automated Lung Cancer Detection and Segmentation in Chest CT Images [0.0]
  本研究では, 各種畳み込みニューラルネットワーク(CNN)のバックボーンと統合したU-Netアーキテクチャの有効性について検討し, 胸部CT画像における肺がんの自動検出とセグメンテーションについて検討した。 U-Netモデルは3つのCNNバックボーン(ResNet50、VGG16、Xception)で開発された。 分類において、U-Net with Xceptionを用いたCNNモデルは99.1%の精度、99.74パーセントのリコール、99.42パーセントのF1スコアを達成した。
  論文  参考訳（メタデータ） (2025-07-14T04:08:33Z)
• Optimizing Deep Learning for Skin Cancer Classification: A Computationally Efficient CNN with Minimal Accuracy Trade-Off [0.7392022204015549]
  本研究では,パラメータの96.7%削減を実現し,分類精度が0.022%未満のCNNモデルを提案する。 我々の軽量CNNアーキテクチャは、ResNet50の4.00億ドルと比較してわずか30.04万のFLOPしか含まないため、エネルギー消費、メモリフットプリント、推論時間を大幅に削減する。
  論文  参考訳（メタデータ） (2025-05-27T16:53:58Z)
• Accurate and Reliable Predictions with Mutual-Transport Ensemble [46.368395985214875]
  Kullback-Leibler (KL) を用いた共学習補助モデルの提案とクロスエントロピー損失の適応的正則化 MTEは精度と不確実性の両方を同時に向上させることができる。 例えば、CIFAR-100データセットでは、我々のResNet34/50上のMTEメソッドは、従来の最先端の手法に比べて大幅に改善された。
  論文  参考訳（メタデータ） (2024-05-30T03:15:59Z)
• RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
  Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。 我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。 提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
  論文  参考訳（メタデータ） (2024-05-02T16:17:29Z)
• Continuous sPatial-Temporal Deformable Image Registration (CPT-DIR) for motion modelling in radiotherapy: beyond classic voxel-based methods [28.526710503853877]
  現在の変形可能な画像登録(DIR)の実装は、離散的な体積運動表現に依存している。 患者解剖運動の連続モデリングに暗黙的神経表現(INR)を用いた新しいアプローチを提案する。 CPT-DIRは、登録と精度、自動化、スピードを大幅に向上させる。
  論文  参考訳（メタデータ） (2024-05-01T10:26:08Z)
• Predicting Overtakes in Trucks Using CAN Data [51.28632782308621]
  CANデータからトラックの積載量の検出について検討する。 私たちの分析では、オーバーテイクイベントの最大10秒前をカバーしています。 我々は、オーバーテイク・トリガーに近づくと、オーバーテイク・クラスの予測スコアが増加する傾向にあることを観察する。
  論文  参考訳（メタデータ） (2024-04-08T17:58:22Z)
• Phases, Modalities, Temporal and Spatial Locality: Domain Specific ML Prefetcher for Accelerating Graph Analytics [7.52191887022819]
  ドメイン固有モデルを用いたグラフ解析のためのMLベースのPrefetcherであるMPGraphを提案する。 MPGraphの新しい3つの最適化: 位相遷移のソフト検出、アクセスと時間前処理のための位相固有多モードモデル。 CSTを使用すると、MPGraphは12.52-21.23%のIPC改善を実現し、最先端の非MLプレフェッチャーBOを7.5-12.03%、MLベースのプレフェッチーVoyagerとTransFetchを3.27-4.58%上回った。
  論文  参考訳（メタデータ） (2022-12-10T09:14:44Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• COVID-MTL: Multitask Learning with Shift3D and Random-weighted Loss for Automated Diagnosis and Severity Assessment of COVID-19 [39.57518533765393]
  新型コロナウイルスの正確かつ効果的な評価を支援する自動化方法が緊急に必要である。 我々は,放射線学とNATの両方において,自動かつ同時検出と重症度評価が可能なエンドツーエンドマルチタスク学習フレームワーク(COVID-MTL)を提案する。
  論文  参考訳（メタデータ） (2020-12-10T08:30:46Z)

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。