Using Eulerian video magnification framework to measure pulse transit time
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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