SlpRoF: Improving the Temporal Coverage and Robustness of RF-Based Vital Sign Monitoring During Sleep
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
Most existing RF-based vital sign monitoring systems either assume that a human subject is stationary or discard measurements when motion is detected in order to output reliable respiration rates and heart rates. Such an assumption greatly limits the usability of these systems in practice. Even during sleep, one can undergo various body states including turns and involuntary twitches in light sleep, motionlessness during deep sleep, or abnormal limb movements due to sleep disorders such as restless legs syndrome. In this work, we develop SlpRoF, a low-cost contact-free system using a commercial-off-the-shelf UWB radar that achieves high temporal coverage and high accuracy in vital sign monitoring during sleep. By classifying body states into the motionless state, limb movement state, and torso movement state, and extracting vital signs during the first two states, it directly increases effective reporting periods over nights. By analyzing high-order harmonics and leveraging spatial diversity in captured signals from multiple on-body areas, it improves the accuracy of heart rate estimations and thus indirectly increases temporal coverage through reliable assessments. Experiment results show that SlpRoF is able to achieve an average median absolute error (MAE) of 0.44 beats per minute (bpm) in respiration rates, 1.55s in respiration intervals, and 0.9 bpm for heart rates, respectively.
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 | 0,001 |
| 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