光电容积脉搏波数据的深度学习方法综述
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
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
这篇研究论文提出了使用 Photoplethysmography(PPG)信号和深度学习模型(AvgPool_VGG-16)对高血压病的不同阶段进行分类的新方法,结果表明该方法在分类高血压阶段方面具有高准确度,展示了 PPG 信号和深度学习模型在高血压诊断和管理方面的潜力。
Apr, 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
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
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。
Nov, 2019