MétaCan
Menu
Retour à la cohorte
Enregistrement W2988438918 · doi:10.22215/etd/2019-13618

Non-Contact Bed-Based Monitoring of Vital Signs

2019· dissertation· en· W2988438918 sur OpenAlexafffund
Stephanie L. Bennett

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueNon-Invasive Vital Sign Monitoring
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAGE-WELL
Mots-clésVital signsComputer scienceSIGNAL (programming language)Artificial intelligenceComputer visionSegmentationReal-time computingMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

Vital signs are a set of commonly measured signals used internationally as a baseline in medicine and surgery and are one of the most accurate predictors of clinical and physiological deterioration.Despite the clear clinical importance of vital sign measurements, there is often missed or inadequate documentation of patient vital sign measurements.The development of unobtrusive, automated and continuous monitoring offers the potential to enhance the safety and quality of patient care.This thesis details a system that uses multiple modalities to capture data and data processing techniques to extract vital signal measurements and vital signal measurement abnormalities related to subject morbidities.This thesis focuses on the examination, testing and improvement upon a current visible light video processing technique intended to extract vital signal measurements, and expand it's use to thermal infrared video vital signal extraction.Three modalities were used to gather data from healthy adult subjects and older adult inhospital patients: thermal infrared cameras, visible light cameras and pressure sensitive mats.Subjects participated in several experimental procedures including video data capture of faces, hands and feet as well as in-bed pressure mat data capture.This data was subjected to several stages of data processing to extract vital signal measurements, which include pulse, respiration temperature and mobility measurements.Data segmentation using binary masks, level set method, and watershed method were used to identify regions of interest.An adaptive spatio-temporal video processing algorithm, the main thesis contribution, was used to extract vital signal measurements.The developed algorithm was assessed for its performance in vital signal estimation, as well its

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0240,012

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 Opus0,010
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreAutre

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

En bref

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNon-Invasive Vital Sign MonitoringTravaux en français237 207