Noncontact Vision-Based Cardiopulmonary Monitoring in Different Sleeping Positions
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
Individuals with obstructive sleep apnea (OSA) can experience partial or complete collapse of the upper airway during sleep. This condition affects between 10-17% of adult men and 3-9% of adult women, requiring arousal to resume regular breathing. Frequent arousals disrupt proper sleeping patterns and cause daytime sleepiness. Untreated OSA has been linked to serious medical issues including cardiovascular disease and diabetes. Unfortunately, diagnosis rates are low (∼20%) and current sleep monitoring options are expensive, time consuming, and uncomfortable. Toward the development of a convenient, noncontact OSA monitoring system, this paper presents a simple, computer vision-based method to monitor cardiopulmonary signals (respiratory and heart rates) during sleep. System testing was performed with 17 healthy participants in five different simulated sleep positions. To monitor cardiopulmonary rates, distinctive points are automatically detected and tracked in infrared image sequences. Blind source separation is applied to extract candidate signals of interest. The optimal respiratory and heart rates are determined using periodicity measures based on spectral analysis. Estimates were validated by comparison to polysomnography recordings. The system achieved a mean percentage error of 3.4% and 5.0% for respiratory rate and heart rate, respectively. This study represents an important step in building an accessible, unobtrusive solution for sleep apnea diagnosis.
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 | 0,001 | 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 | 0,000 |
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.
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