要約
スマートフォンが日常生活でますます使用されるようになるにつれて、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疾患を持つ人々の生命徴候の継続的な監視が必要な状況において、スマートフォンを使用して生命徴候を推定するアルゴリズムの開発は世界中の研究者の注目を集めています。特に、心拍数、酸素飽和度、呼吸数などの生命徴候を推定するためのアルゴリズムについて、スマートフォン上で実行可能な方法を探る研究が進められています。しかし、これらの多くのアルゴリズムでは、いくつかの前処理ステップが必要となり、実装上の負荷が増加したり、最適な結果を得るために手作業で設計された段階が必要となることがあります。この問題に対処するために、本研究では深層学習を使用したモバイルベースの生命徴候推定の新しいエンドツーエンドソリューションを提案しています。完全畳み込みアーキテクチャを使用することで、提案モデルは全結合層を使用するアーキテクチャと比較してパラメータ数が少なく、計算量も少ないという特長があります。これにより過学習のリスクも低減されます。さらに、35人の男性と27人の女性から収集された62本のビデオを含む公開データセットも提供されています。全体的に、提案されたエンドツーエンドアプローチは既存の消費者向け電子機器でのオンデバイス健康監視において大幅に効率と性能が向上すると期待されています。