スマートフォン上のバイタルサインの効率的な深層学習に基づく推定【JST機械翻訳】

Samavati Taha; Farvardin Mahdi; Ghaffari Aboozar

プレプリント

J-GLOBAL ID：202202204787521230 整理番号：22P0334277

スマートフォン上のバイタルサインの効率的な深層学習に基づく推定【JST機械翻訳】

Efficient Deep Learning-based Estimation of the Vital Signs on Smartphones

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月13日プレプリントサーバーでの情報更新日： 2024年03月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

日常生活におけるスマートフォンの使用の増加とともに,これらの機器は多くの複雑なタスクを実行できるようになった。バイタルサインの連続モニタリングの必要性に関して,特に高齢者またはある種の疾患を有する人々に対して,スマートフォンを用いてバイタルサインを推定できるアルゴリズムの開発は,世界中の研究者を引きつけている。特に,研究者はスマートフォン上で実行することができるアルゴリズムを用いて,心拍数,酸素飽和度レベル,および呼吸数などのバイタルサインを推定する方法を調査してきた。しかし,これらのアルゴリズムの多くは,いくつかの実装オーバヘッドを導入するか,または最適な結果を得るために,いくつかの手作りステージの設計を必要とするかもしれない複数の前処理ステップを必要とする。この問題に対処するために,本研究では,前処理の必要性を除去する深層学習を用いたモバイルベースバイタルサイン推定に対する新しいエンドツーエンドソリューションを提案した。完全畳込みアーキテクチャを用いることにより,提案モデルは,予測ヘッドとして完全連結層を用いたアーキテクチャと比較して,はるかに少ないパラメータおよび少ない計算量を持つ。これはまた過剰適合のリスクを低減する。さらに,35人の男性と27人の女性から収集した62のビデオを含む,バイタルサイン推定のための公共データセットを提供した。全体として,提案したエンドツーエンド手法は,容易に利用可能な民生用電子機器のオンデバイスヘルスモニタリングに対して,大幅に改善された効率と性能を約束する。【JST機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

生体計測 , 医療用機器装置 , 医用情報処理

, , ,

前のページに戻る