Jul, 2023
佩戴设备用于心血管生物标记监测的光电测量信号质量评估
Quality Assessment of Photoplethysmography Signals For Cardiovascular Biomarkers Monitoring Using Wearable Devices
Felipe M. Dias, Marcelo A. F. Toledo, Diego A. C. Cardenas, Douglas A. Almeida, Filipe A. C. Oliveira...
TL;DR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。