May, 2023

Tiny-PPG: 适用于边缘设备的实时光电脉搏图信号动态伪像检测轻量级深度神经网络

PDF
TL;DR本研究提出了一种轻量级的深度神经网络 Tiny-PPG，用于准确和实时地检测心率监测中的 PPG 运动伪影。经验证实验，增加模型精度和速度之间的平衡，采用了特殊设计的模型结构，训练方法和损失函数，在嵌入式设备上实现实时 PPG 伪像检测。
ppgneural networkiotwearable devicesreal-time detection
发现论文，激发创造
  • 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

  • Q-PPG: 可穿戴设备上基于 PPG 的节能心率监测

    通过 deep Temporal Convolutional Networks 工具和硬件友好型量化器，我们提出了一种设计空间探索方法，用于自动生成一组适用于可穿戴设备的高精度、极轻量级的计算模型，以便实现心率监测。

    Mar, 2022

  • 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

  • 基于端到端深度学习和视频增强的高度压缩面部视频心率远程测量

    本文提出了一个两阶段的端到端 RPPG 信号恢复方法，该方法包括视频增强和 RPPG 信号恢复两个阶段。实验结果表明，该方法在压缩视频上表现出色，并且具有很好的泛化能力。

    Jul, 2019

  • KID-PPG：智能手表中心率提取的知识驱动深度学习

    我们提出了 KID-PPG，这是一个知识引导的深度学习模型，通过自适应线性滤波、深度概率推断和数据增强，整合了专家知识，解决了深度学习模型中的三个问题：去除运动伪迹、降低信号降解，以及对光电脉动信号进行生理上合理的分析。在 PPGDalia 数据集上评估 KID-PPG，得到平均绝对误差为 2.85 次 / 分钟，超过现有可复现方法。我们的结果表明，通过将先前的专家知识整合到深度学习模型中，可以显著提高心率跟踪性能。该方法展示了在深度学习模型中整合现有专家知识，提升各种生物医学应用的潜力。

    May, 2024

  • 评估具有挑战性环境中的基于视频 rPPG: 去除伪影和网络弹性

    通过系统调查和详细比较，我们证明了在具有挑战性的环境下提高远程视频脉搏波图 (rPPG) 测量的方法的有效性，从而为更可靠和有效的远程生命体征监测技术的发展做出了贡献。

    May, 2024

  • 低光环境下的远程光电容抗技术图像增强

    本文提出了一种基于低光照条件下的远程心率测量的技术性解决方案，并通过一个大规模的数据集，评估了在不同光照变化下 rPPG 算法（Green、ICA 和 POS）的性能，并发现在低光照条件下，人脸检测算法无法检测人脸，脉冲信号的振幅降低将导致噪声信号占主导地位，并且基于色度的方法在皮肤色调假设方面存在局限性，提出的解决方案可以有效地提高脉冲信号的信噪比和精度。

    Mar, 2023

  • 不平衡类别下基于光电容积脉搏图信号的文物检测的标签传播技术

    本研究探讨了在不平衡类别场景下，使用标签传播技术在光电容积脉搏图（PPG）样本中传播标签的方法，结果表明该方法能够有效标记医疗数据集且在检测到异常时的性能优于传统的监督模型，这为改善基于 PPG 的健康监测系统的可靠性提供了希望。

    Aug, 2023

  • 基于 PPG 的心率估计：高效的传感器采样与学习模型

    本文探讨了低功耗和资源受限的嵌入式设备中更适用于心率估计技术。作者们将信号处理和机器学习相结合，将 PPG 采样频率从 125Hz 降低到 25Hz 以提高准确性，缩小模型大小并加快推理时间。实验结果表明，DT 模型使用 10 至 20 个输入特征通常具有良好的准确性，并几个数量级地降低了模型大小和推理时间。

    Mar, 2023