Assessing Confidence in Video Magnification Heart Rate Measurement using Multiple ROIs
Notice bibliographique
Résumé
Heart Rate (HR) is an essential vital sign for assessing the health status of individuals and is clinically measured using electrocardiography (ECG) or Pulse Oximetry. However, there is a need for remote and contactless methods to measure HR where direct contact is not possible. Video Magnification (VM) is a non-contact method to measure HR by magnifying the subtle and minuscule changes in skin tone caused by blood flow. VM performance depends on several factors, including body motion, skin tone, and illumination. For a given region of interest (ROI), HR is identified as the frequency with the largest peak in the spectrum of skin tone modulations; however, spectra may vary across different ROIs and each ROI spectrum may have multiple peaks. In this paper, a confidence metric for VM-based HR is defined as the ratio of the first and second largest spectral peaks. This confidence metric is used to evaluate two different methods for combining disparate ROIs on the face: (1) frequency-domain averaging (FDA) and (2) time-domain averaging (TDA). These methods were tested on 19 subjects with the FDA method showing the correct HR as the largest spectral peak for 16 subjects, and the TDA method showing it correctly for 18 subjects. The average confidence metric was higher for the TDA method (2.9) than the FDA method (2.3) or a single forehead ROI case (2.3), and the confidence metric was generally lowest <tex>$(< 2)$</tex> for subjects with more body motion or darker skin tones.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».