論文の概要: Thermal Imaging for Contactless Cardiorespiratory and Sudomotor Response Monitoring

• arxiv url: http://arxiv.org/abs/2602.12361v1
• Date: Thu, 12 Feb 2026 19:41:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.729165
• Title: Thermal Imaging for Contactless Cardiorespiratory and Sudomotor Response Monitoring
• Title（参考訳）: 無接触心呼吸・スドモビル反応モニタリングのためのサーモグラフィー
• Authors: Constantino Álvarez Casado, Mohammad Rahman, Sasan Sharifipour, Nhi Nguyen, Manuel Lage Cañellas, Xiaoting Wu, Miguel Bordallo López,
• Abstract要約: 本稿では、熱ビデオから電磁気活性(EDA)、心拍数(HR)、呼吸速度(BR)信号の抽出を特徴付ける。 公開SIMULATOR Study 1ドライバ監視データセットから,31セッションで288のEDA構成とHR/BRパイプラインを評価した。
• 参考スコア（独自算出の注目度）: 9.779484408479108
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thermal infrared imaging captures skin temperature changes driven by autonomic regulation and can potentially provide contactless estimation of electrodermal activity (EDA), heart rate (HR), and breathing rate (BR). While visible-light methods address HR and BR, they cannot access EDA, a standard marker of sympathetic activation. This paper characterizes the extraction of these three biosignals from facial thermal video using a signal-processing pipeline that tracks anatomical regions, applies spatial aggregation, and separates slow sudomotor trends from faster cardiorespiratory components. For HR, we apply an orthogonal matrix image transformation (OMIT) decomposition across multiple facial regions of interest (ROIs), and for BR we average nasal and cheek signals before spectral peak detection. We evaluate 288 EDA configurations and the HR/BR pipeline on 31 sessions from the public SIMULATOR STUDY 1 (SIM1) driver monitoring dataset. The best fixed EDA configuration (nose region, exponential moving average) reaches a mean absolute correlation of $0.40 \pm 0.23$ against palm EDA, with individual sessions reaching 0.89. BR estimation achieves a mean absolute error of $3.1 \pm 1.1$ bpm, while HR estimation yields $13.8 \pm 7.5$ bpm MAE, limited by the low camera frame rate (7.5 Hz). We report signal polarity alternation across sessions, short thermodynamic latency for well-tracked signals, and condition-dependent and demographic effects on extraction quality. These results provide baseline performance bounds and design guidance for thermal contactless biosignal estimation.
• Abstract（参考訳）: 熱赤外画像は、自律神経調節によって引き起こされる皮膚の温度変化を捉え、接触のない電脳活動(EDA)、心拍数(HR)、呼吸速度(BR)を推定することができる。 可視光法はHRとBRに対処するが、交感神経活性化の標準マーカーであるEDAにはアクセスできない。 本稿では,これら3つの生体信号の抽出を,解剖学的領域を追跡し,空間的凝集を適用し,より速い呼吸成分から緩やかな下垂体傾向を分離する信号処理パイプラインを用いて,顔の熱画像から特徴付ける。 HRでは、複数の顔領域(ROI)にわたる直交行列画像変換(OMIT)分解を適用し、BRではスペクトルピーク検出前に鼻と頬の信号を平均化する。 公開SIMULATOR Study 1 (SIM1) ドライバ監視データセットから,31セッションで288のEDA構成とHR/BRパイプラインを評価した。 最高の固定EDA構成(ノイズ領域、指数移動平均)は、パームEDAに対して0.40 \pm 0.23$の平均絶対相関に達し、個々のセッションは0.89となる。 BR推定は平均絶対誤差が3.1 \pm 1.1$ bpm、HR推定は13.8 \pm 7.5$ bpm MAEであり、カメラフレームレート(7.5Hz)によって制限される。 本報告では, セッション間の信号の分極変化, 追従された信号に対する短時間の熱力学的遅延, 抽出品質に対する条件依存性および人口動態の影響について報告する。 これらの結果は、熱接触のない生体信号推定のためのベースライン性能バウンダリと設計指針を提供する。

関連論文リスト

• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• TAU: Modeling Temporal Consistency Through Temporal Attentive U-Net for PPG Peak Detection [1.9518933807303265]
  Photoplethysmography (PPG)センサーは、心拍数(HR)と心拍変動(HRV)を監視する消費者向けウェアラブルデバイスで広く使われている。 流行にもかかわらず、PSG信号は日々の活動によって引き起こされる運動人工物によって汚染される。 PPG信号からピークを正確に検出するために,TAU(Temporal Attentive U-Net)を提案する。
  論文  参考訳（メタデータ） (2025-03-13T14:45:08Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  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)
• RespDiff: An End-to-End Multi-scale RNN Diffusion Model for Respiratory Waveform Estimation from PPG Signals [3.306437812367815]
  PPG信号からの呼吸波形推定のためのエンドツーエンドマルチスケールRNNモデルであるRespDiffを提案する。 モデルはマルチスケールエンコーダを使用し、異なる解像度で特徴を抽出し、双方向RNNを使用してPSG信号を処理し、呼吸波形を抽出する。 BIDMCデータセットで行った実験では、RespDiffはRR推定の1.18bpmの平均絶対誤差(MAE)を達成し、先行研究よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-06T05:54:49Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• 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)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Non-contact PPG Signal and Heart Rate Estimation with Multi-hierarchical Convolutional Network [12.119293125608976]
  心拍数(HR)は人体の重要な生理的パラメータである。 本研究では,顔ビデオクリップからHRを推定できる,効率的な多階層・畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-06T03:04:27Z)
• 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)
• AutoHR: A Strong End-to-end Baseline for Remote Heart Rate Measurement with Neural Searching [76.4844593082362]
  既存のエンド・ツー・エンドのネットワークが難易度が低い理由を考察し,アーキテクチャ・サーチ(NAS)を用いたリモートHR計測のための強力なベースラインを確立する。 総合的な実験は、時間内テストとクロスデータセットテストの両方で3つのベンチマークデータセットで実施される。
  論文  参考訳（メタデータ） (2020-04-26T05:43:21Z)

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。