Sep, 2023

个性化和可调整的基于间隔型 2 模糊的边缘 PPG 质量评估

PDF
TL;DR本文提出了一种新的个性化和可调节的区间二模糊逻辑系统，用于评估 PPG 信号的质量，该系统能够实现超低复杂度和实时的 PPG 质量评估，从而提高边缘上基于 PPG 的健康监测系统的准确性和可靠性。
wearable technologyphotoplethysmographysignal reliabilityinterval type-2 fuzzy logic systemppg quality assessment
发现论文，激发创造
  • 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

    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

  • 基于扩散模型的不确定性感知的 PPG - 至 - ECG 技术用于改进心血管诊断

    通过光电式容积脉搏图对心血管系统状况进行分析已经成为一种常见且高效的方法，本文提出了一种新的方法论，基于这种方法可以将光电式容积脉搏图转换为心电图，通过计算机模型进行心血管疾病的更准确分类。

    May, 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 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

  • 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

  • 基于机器学习的光电容积脉搏信号特征用于糖尿病检测

    使用非侵入式的光学光容积描记术（PPG）结合机器学习方法，通过对患者的 PPG 信号和元数据进行训练和分类，成功地开发了一种远程、非侵入式和连续测量的糖尿病检测装置。

    Aug, 2023

  • 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

  • 通过任意分辨率视频学习抗运动影响的遥测脉搏测量技术

    本文提出了两种对非接触式心率估计中长度和面部运动造成的误差进行修正的方法，并且使用一个双流双分辨率框架来训练模型以学习稳健的面部信号特征，实验证明了所提出方法的优越性。

    Nov, 2022

  • 从恶劣视频中实现无接触心率测量

    该研究利用图像处理技术恶化视频质量，模拟挑战性条件，评估了非学习和基于学习的 rPPG 方法在恶劣数据上的表现。结果显示这些限制条件下的准确率显著下降，因此建议应用去噪和修填等恢复技术来改善心率估计结果并提高方法的鲁棒性和适应性。

    Apr, 2023

  • 增强间隔型 - 2 模糊逻辑系统：精度和预测区间的学习

    通过改进 Interval Type-2 Fuzzy Logic Systems (FLSs) 来提高高风险场景下的预测区间 (Prediction Intervals) 生成，包括增加 Karnik-Mendel (KM) 和 Nie-Tan (NT) 方法的灵活性、通过参数化技巧解决大规模学习挑战、对抗维度灾难问题，以及引入高维 Takagi-Sugeno-Kang 方法来增强不确定性量化和提高学习性能。

    Apr, 2024