Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Substance Use Disorders Affecting Sleep01:24

Substance Use Disorders Affecting Sleep

471
Substance use disorders involve a pattern of using drugs more extensively than intended and continuing use despite harmful consequences. This includes legal substances like alcohol and nicotine, as well as illegal drugs. These disorders often involve both physical and psychological dependence, reflecting compulsive use of substances that significantly alter thoughts, feelings, and behaviors, contributing to a major public health issue.
Understanding the concepts of physical dependence,...
471

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Intelligent machine learning solutions with Bayesian regularization backpropagation adaptive networks for differential systems of Maize streak virus diseases.

Mathematical biosciences·2026
Same author

Phylogeny and diversity study in Damani sheep through mitochondrial DNA D-loop nucleotides sequence.

Tropical animal health and production·2026
Same author

Optimized adaptive fractional-order sliding mode control for quadrotor trajectory tracking under external disturbances.

ISA transactions·2026
Same author

A novel cascade neural network with heuristic computational analysis for thermal dynamics of rectangular fin model with surface stretching/shrinking.

Scientific reports·2026
Same author

Phylogenetic and genome-wide analysis of codon usage reveals geographic and host-specific adaptation in Vaccinia virus.

Archives of virology·2026
Same author

Effective removal of antibiotics from aqueous solutions by a robust activated carbon: experimental and theoretical study.

RSC advances·2026
Same journal

High-resolution thermal infrared dataset for airborne person detection in SAR missions.

Scientific data·2026
Same journal

USV-derived bathymetry of high-risk glacial lakes and a critical semi-arid ecosystem lake in the Himalaya.

Scientific data·2026
Same journal

A large-scale, LLM-assisted and validated dataset of biomass and waste conversion technologies and feedstocks.

Scientific data·2026
Same journal

Near-complete telomere-to-telomere genome assembly of a male barbel steed (Hemibarbus labeo).

Scientific data·2026
Same journal

A near telomere-to-telomere genome assembly of Rhodiola macrocarpa (Crassulaceae).

Scientific data·2026
Same journal

SowPostureDS: A Multi-Class Image Dataset for YOLO-Based Detection of Sow Postures in diverse Farrowing Systems.

Scientific data·2026
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Feb 26, 2026

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

11.2K

Un conjunto de datos multimodal de somnolencia utilizando datos de video, biométricos y de comportamiento

Morteza Bodaghi1, Majid Hosseini1, Raju Gottumukkala2

  • 1University of Louisiana at LAfayette, lafayette, LA, USA.

Scientific data
|February 24, 2026
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio presenta un nuevo conjunto de datos público para la detección de la somnolencia del conductor, que combina datos faciales, de comportamiento y biométricos. El conjunto de datos captura cambios graduales de somnolencia durante sesiones de 40 minutos, ofreciendo una comprensión más profunda de los estados del conductor.

Palabras clave:
somnolencia del conductordetección de somnolenciadatos multimodalesseguridad vialsistemas de asistencia al conductorseñales biométricasanálisis de comportamientovisión por computadoraaprendizaje automáticoconjunto de datos público

Más Videos Relacionados

Multi-Modal Home Sleep Monitoring in Older Adults
07:40

Multi-Modal Home Sleep Monitoring in Older Adults

Published on: January 26, 2019

8.3K
Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments
08:36

Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments

Published on: August 8, 2019

12.9K

Videos de Experimentos Relacionados

Last Updated: Feb 26, 2026

Design and Analysis for Fall Detection System Simplification
08:05

Design and Analysis for Fall Detection System Simplification

Published on: April 6, 2020

11.2K
Multi-Modal Home Sleep Monitoring in Older Adults
07:40

Multi-Modal Home Sleep Monitoring in Older Adults

Published on: January 26, 2019

8.3K
Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments
08:36

Collecting Sleep, Circadian, Fatigue, and Performance Data in Complex Operational Environments

Published on: August 8, 2019

12.9K

Área de la Ciencia:

  • Monitorización multimodal del conductor
  • Análisis de señales biométricas
  • Interacción humano-computadora en vehículos

Sus antecedentes:

  • La somnolencia del conductor es una importante preocupación de seguridad que provoca accidentes.
  • Los conjuntos de datos existentes a menudo carecen de integración multimodal o monitorización continua del estado.
  • La detección precisa requiere datos fisiológicos y de comportamiento completos.

Objetivo del estudio:

  • Presentar un conjunto de datos multimodal completo y disponible públicamente para la detección de la somnolencia del conductor.
  • Capturar cambios fisiológicos y de comportamiento continuos asociados con la somnolencia.
  • Facilitar la investigación en sistemas avanzados de asistencia al conductor y seguridad vial.

Principales métodos:

  • Se recopilaron datos multimodales de 19 sujetos durante 1400 minutos.
  • Se incluyeron video facial 3D, infrarrojos, postura, frecuencia cardíaca, actividad electrodérmica, oxígeno en sangre, temperatura de la piel, acelerómetro, agarre y datos de telemetría.
  • Se utilizó la Escala de Somnolencia de Karolinska (KSS) para la autoinformación continua de la somnolencia.

Principales resultados:

  • El conjunto de datos presenta sesiones continuas de 40 minutos por sujeto, totalizando 1400 minutos.
  • Capturó transiciones graduales entre estados de alerta y somnolencia, no solo etiquetas discretas.
  • Integró diversas señales, incluidas expresiones faciales, postura y métricas fisiológicas.

Conclusiones:

  • El conjunto de datos presentado ofrece un recurso valioso para el desarrollo de sistemas robustos de detección de la somnolencia del conductor.
  • La monitorización continua y la integración multimodal proporcionan una representación más realista de los estados del conductor.
  • Este conjunto de datos avanzará la investigación en seguridad del conductor en tiempo real y tecnologías de conducción autónoma.