Remote physiological monitoring of neck blood vessels with a high-speed camera
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
Introduction Several population-based clinical studies suggest that increased Pulse Wave Velocity (PWV) is highly associated with increased cardiovascular disease (CVD) mortality, which is one of the leading causes of death worldwide. Current methods for CVD detection are invasive, expensive, and contact methods, which are not friendly for skin-sensitive patients. Methods In this study, we investigated the use of remote photoplethysmography (rPPG) on the neck region using a high-speed camera (2000 frames per second (fps)) to resolve the drawbacks of CVD detection and overcome the limitations of current PWV measurement techniques. Pearson correlation and cross-correlation were used for signal processing and generating the projection map of potential major vessels. A reference signal is selected for the region of interest based on peak value and modulation depth variation. The signal distance and pulse transit time (PPT) between the local and reference signals were calculated using the cross-correlation method and then fitted into a linear regression model for PWV calculation. Results The results revealed areas on the neck that positively and negatively correlated with the selected reference signals, potentially representing the distribution of the main neck vessels - carotid artery and jugular vein- and, consequently, the upstream and downstream blood circulation directions. Discussion This research implies the feasibility of touchless estimation of local PWV using a high-speed camera, expanding the potential applications of remote photoplethysmography in aiding the diagnosis of CVD.
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 | 0,001 |
| 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