Vital Videos: 带有 PPG 和血压地面真实值的数据集
本研究分析了目前为止最大的真实世界远程光电容抗数据集,涵盖了 893 名受试者和 6 种菲茨帕特里克皮肤色调,实验结果表明,包含数百名受试者的数据集足以进行有效的远程光电容抗模型训练,并强调了皮肤色调的多样性和一致性对于不同数据集的精确性能评估的重要性。
Apr, 2024
通过远程 PPG 技术从面部视频中提取心率、呼吸率等生命体征。应用信号处理滤波器提取血容量脉搏信号并根据不同算法估计各项生命体征。使用 Web 应用程序框架进行实现,验证了其准确性和鲁棒性。
Aug, 2022
远程光 - 容积描记(rPPG),也称远程 Photoplethysmography,可以在公共卫生紧急情况下帮助估算心率,而 V4V 数据集可用于比较这些方法在自然条件下的表现。
Sep, 2021
通过距离心率相位(distancePPG)算法,结合人脸不同区域皮肤颜色变化的信号,以改善基于相机的估计的信噪比,从而实现非接触心率监测。
Feb, 2015
远程光电容积法(rPPG)是一种利用通过摄像头捕捉的血红蛋白的光吸收特性来分析和测量血容量脉搏(BVP)的技术。通过分析测量得到的 BVP,可以推导出各种生理信号,如心率、应激水平和血压,从而实现心血管疾病的早期预测。然而,存在着与皮肤颜色、摄像头特性、环境光照和其他噪声源相关的严重挑战,这些问题降低了性能准确性。本研究目的在于提供一个基准测试框架,以公平评估和比较各种 rPPG 技术,包括传统的非深度神经网络(non-DNN)和深度神经网络(DNN)方法。
Jul, 2023
可见光相机能够捕捉到微妙的生理生物标志物,无需与被试物理接触。我们提出了多站点生理监测(MSPM)数据集,这是第一个支持从人体多个位置同时基于相机进行重要生命体征估计的数据集。MSPM 允许研究远程光电容抗图,呼吸频率和脉冲传递时间(PTT);它包含使用接触传感器进行脉搏氧合指数(在多个体部位)和血压的地面真值测量。我们提供了详尽的实验证明 MSPM 适用于支持 rPPG,呼吸频率和 PTT 的研究。交叉数据集 rPPG 实验表明 MSPM 是一个具有挑战性但高质量的数据集,在某些情况下,数据集内部心率平均绝对误差为 4 次 / 分钟以下,跨数据集心率平均绝对误差为 2 次 / 分钟以下。呼吸实验通过从胸部提取动作特征找到 1.09 次 / 分钟的平均绝对误差。 PTT 实验发现,在不同体部位的配对中,远程 PTT 与接触测量的 PTT 之间存在高相关性,这为未来基于相机的 PTT 研究提供了可能性。
Feb, 2024
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
研究表明,当前基于深度学习的 Remote Photoplethysmography (rPPG) 模型倾向于学习训练数据集中的脉搏波特征,作者提出的一种扩充训练数据集范围和变化性的方法成功缓解了这种倾向,进一步提高了模型的泛化能力。
May, 2023
本研究提取了 27 个统计特征,利用梯度提升(XGBoost 和 CatBoost)以及随机森林(RF)算法训练机器学习模型来评估血容量变化的 PPG 信号质量,在使用可穿戴设备进行连续监测时,考虑了运动伪影、皮肤色素沉着和血管运动等影响 PPG 准确性和可靠性的因素。研究发现,我们的模型在 XGBoost、CatBoost 和 RF 上分别达到了 Sensitivity(Se)、Positive Predicted Value(PPV)和 F1-score(F1)的 94.4、95.6、95.0,94.7、95.9、95.3 和 93.7、91.3、92.5,结果与文献中的最新成果相当,但使用了更简单的模型,证明机器学习模型在开发远程、非侵入性和连续测量设备方面具有很大的潜力。
Jul, 2023
本文提出了在合成生理信号和相应的面部视频中添加真实世界噪声的几种方法,并在三个公开的真实世界数据集上评估了我们的框架,结果显示我们能够将平均 MAE 从 6.9 降低到 2.0。
Nov, 2023