May, 2024

KID-PPG：智能手表中心率提取的知识驱动深度学习

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 在跨数据集远程光电容积脉搏图方面提升泛化能力

    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

  • 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

  • 一种自监督算法用于通过穿戴设备估算心率的光电容积脉搏信号去噪

    本研究提出了一种基于自监督训练的去噪算法来去除穿戴式设备 PPG 信号中的噪音和运动伪迹，提高心率估计的准确性及心率变异性的估计精度，为穿戴式设备在健康指标方面的应用提供了改进。

    Jul, 2023

  • 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

  • BeliefPPG: 利用信念传播机制进行脉搏波形信号心率测量的不确定性感知方法

    提出一种采用学习方法的新型心率估计方法，利用隐马尔可夫模型及神经网络对光电脉搏信号分析后得出概率分布，结合信念传播算法对估计结果进行时间上的统计分析。实验证明该方法具有较高的鲁棒性。

    Jun, 2023

  • 智能环境中的远程心率监测与自监督预训练

    利用自监督对比学习方法来估计远程光电容积描记法和心率监测，减少对标记数据的依赖并提高性能。

    Oct, 2023

  • 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

  • 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