Refine
Document Type
Reviewed
Keywords
- Bildklassifikation (1)
- Künstliche Intelligenz (1)
- MRT (1)
- Multiresonanztherapie (1)
Institute
Is part of the Bibliography
- yes (2)
Monitoring drivers’ health is crucial for saving lives in emergencies and enabling in-car health applications. The state of the art in pulse monitoring is contact-based sensors which impair the driving experience and have to be applied manually before driving. This paper focuses on automated hyper parameter optimizing the Eulerian Video Magnification (EVM) algorithm, which detects heart rates through non-contact facial camera images, for use in driving scenarios. We conducted a user study where 21 participants performed a driving simulation while their heart rates were recorded by a wearable fitness tracker (serving as ground truth) and facial images with an RGB camera. Our findings indicate that, despite using the optuna library for hyper parameter tuning, the Eulerian Video Magnification algorithm is insufficient for accurate pulse detection in a driving simulator environment.
Deep Learning basierte Segmentierung und Transformation von Spike-Rauschen in der MR-Bildgebung
(2023)
Die Magnetresonanztomographie (MRT) ist ein bildgebendes Diagnoseverfahren, das auf starken Magnetfeldern und sensiblen Detektoren basiert. Es kann zu Spike-Rauschen kommen, das die Bildqualität negativ beeinflusst. In dieser Arbeit wird untersucht, ob neuronale Netzwerke das Spike-Rauschen reduzieren können, um die Bildqualität zu verbessern. Dazu wird eine Bildverarbeitungspipeline entworfen, bestehend aus den Teilbereichen Detektion, Segmentierung und Transformation. Verschiedene neuronale Netzarchitekturen werden für jeden Teilbereich ausgewählt und auf Basis verschiedener Daten trainiert. Die Ergebnisse zeigen, dass die Detektion und Segmentierung basierend auf der L1-Norm die besten Ergebnisse liefern. Es werden bestimmte Netzwerkarchitekturen ausgewählt, um die Transformation durchzuführen. Die gesamte Pipeline reduziert das Rauschen erheblich, aber weitere Tests sind erforderlich, um die Robustheit der Implementierung sicherzustellen.