MétaCan
Menu
Retour à la cohorte
Enregistrement W2566918407 · doi:10.1109/crv.2016.45

Time-Frequency Domain Analysis via Pulselets for Non-contact Heart Rate Estimation from Remotely Acquired Photoplethysmograms

2016· article· en· W2566918407 sur OpenAlexaff
Brendan Chwyl, Audrey G. Chung, Robert Amelard, Jason Deglint, David A. Clausi, Alexander Wong

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWaveletWaveformPhotoplethysmogramFrequency domainComputer scienceTime domainWavelet transformAlgorithmMathematicsArtificial intelligenceComputer visionTelecommunications

Résumé

récupéré en direct d'OpenAlex

A novel method for remote heart rate estimation via analysis in the time-frequency domain is proposed. A photoplethysmogram (PPG) waveform is constructed via a Bayesian minimization approach with the required posterior probability obtained through an importance-weighted Monte Carlo sampling method. A pulselet (wavelet chosen for its similarities with a finger pulse oximiter PPG waveform), is used in the continuous wavelet transform to produce a map of the wavelet energy response in the time-frequency domain. This allows the heart rate frequency to be estimated at each time step, accounting for naturally occurring changes in heart rate over time which may cause error with frequency domain based methods. The frequency corresponding to the highest wavelet response at each time step is averaged across the entire time series to estimate the average heart rate. Experimental results against a data set of 30 videos show an improvement over current state-of-the-art methods.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,909

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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 tête enseignante, 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207