Efficient Deep Learning-based Estimation of the Vital Signs on Smartphones

要約

日常生活におけるスマートフォンの使用が増えるにつれ、これらのデバイスは多くの複雑なタスクを実行できるようになりました。
特に高齢者や特定の病気に罹患している人にとって、バイタルサインを継続的にモニタリングする必要性に関して、スマートフォンを使用してバイタルサインを推定できるアルゴリズムの開発が世界中の研究者を魅了しています。
特に研究者たちは、スマートフォンで実行できるアルゴリズムを使用して、心拍数、酸素飽和度、呼吸数などのバイタルサインを推定する方法を模索しています。
ただし、これらのアルゴリズムの多くは複数の前処理ステップを必要とするため、実装のオーバーヘッドが発生したり、最適な結果を得るためにいくつかの手作りのステージの設計が必要になったりする可能性があります。
この問題に対処するために、この研究では、前処理の必要性を排除する深層学習を使用した、モバイルベースのバイタルサイン推定に対する新しいエンドツーエンドのソリューションを提案します。
完全な畳み込みアーキテクチャを使用することにより、提案されたモデルは、完全に接続された層を予測ヘッドとして使用するアーキテクチャと比較して、パラメータがはるかに少なく、計算の複雑さが軽減されます。
これにより、過剰適合のリスクも軽減されます。
さらに、男性 35 名と女性 27 名から収集した 62 本のビデオを含むバイタルサイン推定用の公開データセットが提供されます。
全体として、提案されたエンドツーエンドのアプローチは、すぐに入手できる家庭用電化製品のオンデバイス状態監視の効率とパフォーマンスが大幅に向上することを約束します。

要約(オリジナル)

With the increasing use of smartphones in our daily lives, these devices have become capable of performing many complex tasks. Concerning the need for continuous monitoring of vital signs, especially for the elderly or those with certain types of diseases, the development of algorithms that can estimate vital signs using smartphones has attracted researchers worldwide. In particular, researchers have been exploring ways to estimate vital signs, such as heart rate, oxygen saturation levels, and respiratory rate, using algorithms that can be run on smartphones. However, many of these algorithms require multiple pre-processing steps that might introduce some implementation overheads or require the design of a couple of hand-crafted stages to obtain an optimal result. To address this issue, this research proposes a novel end-to-end solution to mobile-based vital sign estimation using deep learning that eliminates the need for pre-processing. By using a fully convolutional architecture, the proposed model has much fewer parameters and less computational complexity compared to the architectures that use fully-connected layers as the prediction heads. This also reduces the risk of overfitting. Additionally, a public dataset for vital sign estimation, which includes 62 videos collected from 35 men and 27 women, is provided. Overall, the proposed end-to-end approach promises significantly improved efficiency and performance for on-device health monitoring on readily available consumer electronics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google