Nov, 2019

基于卷积神经网络的远程 PPG 分析：限制和敏感性研究

PDF
TL;DR本文探讨了基于卷积神经网络（CNN）的心率监测中，参考信号的选择以及卷积核的多样性等因素对性能的影响，结果说明 CNN 基于血吸收变化提取了生理信号，同时证明了 PPG 相关先验知识有助于提高其性能，因此，建议今后将先验知识纳入混合 CNN 方法中进行研究。
convolutional neural networkphotoplethysmography extractionblood absorption variationphysiological signalshybrid cnn-based methods
发现论文，激发创造
  • 基于深度学习的基于 PPG 和 rPPG 信号的血压预测评估

    利用光电脉搏（PPG）信号来非侵入性地测量血压很有趣，尤其是通过基于机器学习技术的神经网络和个性化技术提高预测性能。

    Apr, 2021

  • 光电容积脉搏波数据的深度学习方法综述

    近年来，深度学习模型在处理光电容积脉搏图数据方面取得了显著进展，其中医疗相关和非医疗相关任务是主要研究领域。

    Jan, 2024

  • 基于学习核的 PPG 信号质量评估和伪影分割的解释性与高效性

    该论文提出了一种新方法来学习一小组可解释的卷积核，以有效地进行信号质量评估和伪影分割，从而确保了心血管参数的稳健和准确。

    Jul, 2023

  • 基于可见性图和迁移学习的无幅机器学习 PPG 信号处理

    本研究介绍了一种基于图论和计算机视觉算法的 PPG 信号处理框架，它对仿射变换具有不变性，计算速度快，并在任务和数据集之间表现出强大的泛化能力，能够提取人体循环系统的各种生物特征。

    May, 2023

  • 通过对比学习走近我的心：从未标记视频中进行远程光电容积图

    本文介绍了一种远程面部信号分析的新方法，应用了神经网络和自监督训练进行无监督学习，利用对感兴趣信号的弱先验建模，并成功在四个数据集上进行测试，证明了该方法的可行性和效果。

    Nov, 2021

  • 通过显式和隐式先验知识的融合推动可泛化的远程生理测量

    本文提出了一种利用远程光电容积图术（rPPG）任务中的显性和隐性先验知识的新框架，通过系统分析不同领域的噪声源，并将这些先验知识纳入网络进行训练，同时利用两个分支网络通过隐式标签相关性去除噪声并提取生理特征分布，我们的实验证明，该方法不仅在 RGB 跨数据集评估上胜过现有方法，而且能够很好地从 RGB 数据集泛化到 NIR 数据集。

    Mar, 2024

  • 用不同身体部位的视频和目标进行训练的 rPPG 模型有多次优？

    远程摄像测量血容量脉搏通过光容积脉搏图（rPPG）是一种可伸缩、低成本、易于获取心血管信息的引人注目的技术。我们使用最新发布的同步接触式 PPG 和面部视频测量的独特数据集，对训练面部视频 rPPG 模型时是否使用来自身体其他部位的接触式测量数据进行优化进行了精确和定量的研究，结果显示，使用额头 PPG 信号相较于手指 PPG 信号，可以获得高达 40% 的均方误差降低，模型更好地学习了地面真实 PPG 信号的形态。然而，从手指 PPG 训练的模型仍然能很好地学习到主导频率（即心率）的特征。

    Mar, 2024

  • 回归还是分类？基于深度神经网络的 PPG 数据 BP 预测在实际应用中的思考

    本文比较了基于 Photoplethysmographic 信号的血压回归和分类方法，认为在某些场景下，血压分类方法可能比血压回归方法更可取。作者使用公开的 PPG 数据进行一系列分类和回归模型的比较，发现分类模型在个性化后的准确度优于回归方法，因此在某些足够粗略的 BP 范围分割场景下，可以采用 BP 分类方法。

    Apr, 2022

  • SiNC+: 自适应基于相机的生命体征测量及周期信号无监督学习

    提出了一种新的非对抗无监督学习框架，用于从未标记的视频数据中直接提取血容量脉搏，以实现低成本的非接触健康监测，并展示了该框架在调整模型和个性化适应信号回归方面的效果。

    Apr, 2024

  • 基于光电容积脉搏信号的高维表示的高血压检测

    提出了一种基于随机卷积核的高维表示技术，用于利用 PPG 信号检测高血压，结果表明这种关联不仅限于心率和血压，证明了用于一般化的高血压检测的可行性，并且利用卷积核的转换作为端到端时间序列特征提取器优于先前研究和最先进的深度学习模型。

    Jul, 2023