MétaCan
Menu
Retour à la cohorte
Enregistrement W2026015011 · doi:10.1109/memea.2014.6860029

Using Eulerian video magnification framework to measure pulse transit time

2014· article· en· W2026015011 sur OpenAlexaff
Xiaochuan He, Rafik Goubran

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEulerian pathSIGNAL (programming language)Pulse (music)MagnificationComputer visionArtificial intelligenceMeasure (data warehouse)SimulationReal-time computingAcousticsTelecommunicationsDetectorMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Recent advances in sensor technology and mobile computing are now enabling practical non-intrusive approaches to measure vital signs and other biological signals. Furthermore, most smart phones are now equipped with high resolution cameras and powerful processors that can reliably measure these signals. One of the signals of interest is the pulse transit time that is often correlated with changes in the blood pressure and stress level. Conventional techniques for measuring pulse transit time are based on measuring the electrocardiogram (ECG) signal using leads attached to the chest and measuring the plethysmograph (PPG) signal from a finger. This paper proposes a novel approach to measure pulse transit time non-intrusively using the Eulerian video magnification framework, particularly Eulerian color magnification. The proposed approach uses a video camera to capture a standard video sequence of the subject. After applying spatial decomposition and temporal filtering to the frames, the filtered signal is then amplified to reveal the subtle changing, like the color changing on different spots caused by the blood pulse. Two spots, the wrist and the neck, were selected to measure the pulse transit time. To verify the performance and practicability of the proposed system, the measured pulse transit time were compared with the time difference detected using a conventional technique based on two PulseSensors and the Arduino board. Ten subjects were studied under three status, climbing stairs, five minutes rest after climbing stairs, and twenty minutes rest after climbing stairs. The experimental results show that the pulse transit time measured by the Eulerian video magnification framework is highly correlated with the pulse transit time detected by pulse sensors, demonstrating that the proposed approach has the potential to be used for health-care monitoring.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,233
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207