文献

J-GLOBAL ID：201702217959068329   整理番号：17A0456690

深さビデオとオーディオ特徴学習による睡眠時無呼吸の検出【Powered by NICT】

Sleep Apnea Detection via Depth Video and Audio Feature Learning

著者 (5件)： Yang Cheng (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.) ,  Cheung Gene (National Institute of Informatics, Tokyo, Japan) ,  Stankovic Vladimir (Department of Electronic and Electrical Engineering, University of Strathclyde, Glasgow, U.K.) ,  Chan Kevin (Campbelltown and Camden Hospitals, Sydney, NSW, Australia) ,  Ono Nobutaka (National Institute of Informatics, Tokyo, Japan)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 19  号： 4  ページ： 822-835  発行年： 2017年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 閉塞性睡眠時無呼吸,睡眠中の上気道における反復閉塞で特性解析され,一般的に睡眠の質と生活の質を著しく一般的な睡眠障害である。閉塞性呼吸器イベントは現れた実験室内や無人外来睡眠研究により検出することができた。このような研究は,呼吸と生理的変化,不快であり,患者の睡眠の質を危うくする可能性があることを追跡するために,患者の体に多く付着を必要とする。本論文では,彼/彼女の睡眠中のMicrosoft Kinectカメラを用いた患者の深さビデオとオーディオを記録し,睡眠診療所で一般的に使用されるフィリップスシステムAlice6LDxSにより収集されたデータに基づく科学者による手動評価閉塞性呼吸器イベントと相関に関連する特徴を抽出するために提案した。より詳しくいえば,ここでは,第一復号器での交流フレームH.264ビデオ符号化方式とビット回復方式を提案した。次に,動きベクトルグラフ平滑事前情報を用いた深さビデオ時間雑音除去を行った。,二重楕円モデルを構築し,雑音除去ビデオにおける患者の胸部及び腹部運動を追跡した。最後に,分類器訓練と呼吸事象検出のための深さビデオとオーディオからの特徴を抽出した。実験結果は,1)深さビデオ圧縮方式は,八つの最も重要なビットのみを記録する競争者をより優れていること,2)著者らのグラフベース時間的雑音除去方式は,過剰なしフリッカ効果を減少させる,3)提案の訓練済み分類器を高精度でシステムAlice6LDxSにより収集されたデータに基づいて手動で記録呼吸事象を推定できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 睡眠障害 ,  患者 ,  性能分析 ,  *録画装置 ,  復号器 ,  *オーディオ機器 ,  雑音除去 ,  クオリティオブライフ ,  閉塞
準シソーラス用語： 高精度 ,  ビデオ圧縮 ,  動きベクトル ,  ビデオ符号化 ,  睡眠の質 ,  *睡眠時無呼吸 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ビデオ ,  オーディオ ,  学習 ,  睡眠時無呼吸