論文の概要: Overcoming Small Data Limitations in Video-Based Infant Respiration Estimation

• arxiv url: http://arxiv.org/abs/2512.06888v1
• Date: Sun, 07 Dec 2025 15:25:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.577073
• Title: Overcoming Small Data Limitations in Video-Based Infant Respiration Estimation
• Title（参考訳）: 乳幼児の呼吸推定における小容量データ制限の克服
• Authors: Liyang Song, Hardik Bishnoi, Sai Kumar Reddy Manne, Sarah Ostadabbas, Briana J. Taylor, Michael Wan,
• Abstract要約: 400本のビデオ(AIR-400)の注釈付き乳児呼吸データセットを導入し,10名の採用被験者から275本の注釈付き動画を公開コーパスに投稿した。 乳児特異的領域検出と時間的ニューラル処理に基づく乳幼児呼吸推定のための最初の再現可能なパイプラインを開発した。 我々は、包括的実験を通じて、視覚に基づく幼児呼吸推定における最先端の再現可能な最初のベンチマークを確立する。
• 参考スコア（独自算出の注目度）: 7.723650415926449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The development of contactless respiration monitoring for infants could enable advances in the early detection and treatment of breathing irregularities, which are associated with neurodevelopmental impairments and conditions like sudden infant death syndrome (SIDS). But while respiration estimation for adults is supported by a robust ecosystem of computer vision algorithms and video datasets, only one small public video dataset with annotated respiration data for infant subjects exists, and there are no reproducible algorithms which are effective for infants. We introduce the annotated infant respiration dataset of 400 videos (AIR-400), contributing 275 new, carefully annotated videos from 10 recruited subjects to the public corpus. We develop the first reproducible pipelines for infant respiration estimation, based on infant-specific region-of-interest detection and spatiotemporal neural processing enhanced by optical flow inputs. We establish, through comprehensive experiments, the first reproducible benchmarks for the state-of-the-art in vision-based infant respiration estimation. We make our dataset, code repository, and trained models available for public use.
• Abstract（参考訳）: 乳児の非接触呼吸モニターの開発は、神経発達障害や突然の乳幼児死亡症候群(SIDS)のような病態に関連する呼吸異常の早期発見と治療の進歩を可能にする可能性がある。 しかし、成人の呼吸推定はコンピュータビジョンアルゴリズムとビデオデータセットの堅牢なエコシステムによって支えられているが、乳児の呼吸データを注釈付けした小さな公開ビデオデータセットは1つしか存在せず、乳児に有効な再現性のあるアルゴリズムは存在しない。 そこで本研究では,400ビデオ(AIR-400)の乳幼児呼吸データセットを導入し,新たに10名の採用被験者から公衆コーパスに275件の注釈付き動画を投稿した。 乳児特異的な関心領域検出と光流入力により増強された時空間ニューラルプロセッシングに基づく乳幼児呼吸推定のための最初の再現可能なパイプラインを開発した。 我々は、包括的実験を通じて、視覚に基づく幼児呼吸推定における最先端の再現可能な最初のベンチマークを確立する。 データセット、コードリポジトリ、トレーニング済みのモデルをパブリックに利用しています。

関連論文リスト

• Pediatric Asthma Detection with Googles HeAR Model: An AI-Driven Respiratory Sound Classifier [0.8463972278020965]
  この研究は、小児の呼吸音から喘息の早期徴候を検出するために、AIを利用した診断パイプラインを提供する。 SPRSoundデータセットは、ホイーズ、クラックル、ロンチ、ストリドール、ノーマルとラベル付けされた2秒のオーディオセグメントを抽出するために使用される。 このシステムは91%以上の精度を達成し、正の場合の精度・リコールの指標に対して高い性能を発揮する。
  論文  参考訳（メタデータ） (2025-04-28T12:52:17Z)
• BabyVLM: Data-Efficient Pretraining of VLMs Inspired by Infant Learning [33.64851748019174]
  ヒトの幼児は、最小限の入力から視覚的推論スキルを急速に発達させる。 最近の取り組みは、SAYCamのような幼児にインスパイアされたデータセットを活用している。 包括的ドメイン評価ベンチマークと合成トレーニングデータセットからなる新しいフレームワークであるBabyVLMを提案する。
  論文  参考訳（メタデータ） (2025-04-13T04:17:12Z)
• Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
  本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。 健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。 ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:31Z)
• LoCI-DiffCom: Longitudinal Consistency-Informed Diffusion Model for 3D Infant Brain Image Completion [45.361733575664886]
  乳児の脳画像補完のための新しい長周期インフォームド拡散モデルであるLoCI-DiffComを提案する。 提案手法は,コンテキスト認識の整合性を確保しつつ,個別化された発達特徴を抽出することができる。
  論文  参考訳（メタデータ） (2024-05-17T10:53:40Z)
• Self-supervised vision-langage alignment of deep learning representations for bone X-rays analysis [53.809054774037214]
  本稿では, 骨X線とフレンチレポートを組み合わせることで, 視覚言語による事前訓練を活用することを提案する。 骨X線表現にまつわる埋め込み空間を形成するために、フランスの報告を統合する最初の研究である。
  論文  参考訳（メタデータ） (2024-05-14T19:53:20Z)
• Automatic Infant Respiration Estimation from Video: A Deep Flow-based Algorithm and a Novel Public Benchmark [10.097634735211654]
  本研究では,自然環境下での映像から呼吸速度と波形を推定する深層学習法を開発した。 本モデルでは,125本のビデオによる乳幼児呼吸データセットを作成した。 乳児のAIR-125データを用いて訓練, 試験を行ったところ, 呼吸速度推定における他の最先端手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2023-07-24T19:59:15Z)
• Object Detection During Newborn Resuscitation Activities [3.5661795505491445]
  本稿では,2段階のプロセスを提案する。 最初のステップは、バッグマスクの蘇生装置や心拍センサーなど、関連するオブジェクトを検出し、追跡することだ。 運動中の物体検出性能は96.97 %(換気)、100 %(心拍センサーの装着/除去)、75 %(吸引)であった。
  論文  参考訳（メタデータ） (2023-03-14T11:04:50Z)
• Activity Recognition From Newborn Resuscitation Videos [3.54339629317433]
  タンザニアのヘイドムで、ビデオを含む新生児の蘇生中に記録された信号のデータセットが収集された。 新生児の蘇生時に活動認識を行うための2段階のディープニューラルネットワークシステムORAA-netを提案する。 このシステムは、新生児の活動、刺激、換気、吸引を平均精度77.67 %、平均リコール77,64 %、平均精度92.40 %と認識した。
  論文  参考訳（メタデータ） (2023-03-14T11:04:32Z)
• A Spatio-temporal Attention-based Model for Infant Movement Assessment from Videos [44.71923220732036]
  本研究では,短いクリップから抽出した人間のポーズを用いた新たなフィジット動作評価法を開発した。 人間のポーズは関節と手足の運動プロファイルのみをキャプチャし、無関係な外観の人工物は含まない。 実験の結果,提案手法はROC-AUCスコア81.87%を達成し,既存の競合手法よりも高い性能を示し,高い解釈性を示した。
  論文  参考訳（メタデータ） (2021-05-20T14:31:54Z)
• Deep learning in the ultrasound evaluation of neonatal respiratory status [11.308283140003676]
  肺超音波検査は科学界から関心を集めている。 画像解析とパターン認識のアプローチは、これらのデータに含まれる豊富な情報を十分に活用できることを証明している。 本稿では、近年のディープラーニングネットワークと、大規模かつ挑戦的なマルチセンターデータセット上で実施されているトレーニング戦略について、徹底的に分析する。
  論文  参考訳（メタデータ） (2020-10-31T18:57:55Z)
• 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。