異種マルチソースデータのための堅牢なビデオベースのフェデレーテッドリモート生理学的測定

科学分野:

• 生物医学工学
• コンピュータサイエンス
• 信号処理

背景:

• リモート光電脈波（rPPG）は、顔ビデオを使用した非接触型生理学的モニタリングを可能にします。
• 現在のrPPG法は、データ送信コストとプライバシーに関する懸念に直面しています。
• フェデレーテッド学習（FL）は解決策を提供しますが、マルチソースrPPGデータのクロスドメイン異種性に苦労しています。

研究 の 目的:

• リモート光電脈波のためのフェデレーテッドトレーニングにおけるプライバシーとクロスドメインの異種性の課題に対処すること。
• 効果的なマルチソースrPPGデータ分析のための新しいフェデレーテッド学習フレームワーク、FedGRCを提案すること。
• 入力および出力ドメインの両方の観点からマルチソースrPPGデータの異種性を特徴付けること。

主な方法:

• 入力および出力ドメインからマルチソースrPPGデータの異種性を特徴付けました。
• フェデレーテッド学習フレームワーク内に疑似ラベリング技術を導入しました。
• 手作りのrPPG手法を使用して、自動勾配正則化キャリブレーションと疑似ラベル整列を備えたFedGRCを開発しました。

主要な成果:

• FedGRCは、勾配正則化キャリブレーションを通じて入力ドメインの不一致を効果的に緩和します。
• 疑似ラベリングは、出力ドメインを整列させ、データセット間のラベルの不一致を減らします。
• 6つの公開データセットで検証されたFedGRCは、既存のアプローチよりも大幅な利点を示しました。

結論:

• FedGRCフレームワークは、マルチソースrPPGデータのプライバシー保護と異種性の課題にうまく対処します。
• このアプローチは、非接触型生理学的測定におけるフェデレーテッド学習の実現可能性を高めます。
• FedGRCは、プライバシーを保護し、異種なrPPGデータ分析のための堅牢なソリューションを提供します。