Nov, 2024

实习报告：基于深度学习的汽车领域成像光电容积描记法基准测试

HTML
PDF
TL;DR本研究解决了成像光电容积描记法在汽车应用中的挑战，提供了基于近红外相机的深度学习模型的基准测试。实验结果表明，尽管该方法在监测驾驶时的心率具有一定潜力，但在实际驾驶条件下仍需改进以提高可靠性。
发现论文，激发创造
  • 基于卷积神经网络的远程PPG分析：限制和敏感性研究

    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

  • 非接触视频生理指标估计的第一次Vitals（V4V）挑战赛

    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

  • 深度学习系统高级驾驶辅助

    在使用人工智能的基础上，下一代汽车通过创新解决方案嵌入了对驾驶安全的智能评估。为了重构汽车驾驶员的生理状态，作者建议使用一种专为生理参数设计的生物传感系统，结合了近红外光谱的LED组和光电探测器，以检测生理信号PPG，并连接到心脏活动，从而根据受试者的注意水平监测驾驶员的昏睡状态。该论文还提出了基于智能驾驶情景理解的进一步驾驶安全评估。

    Apr, 2023

  • Tiny-PPG: 适用于边缘设备的实时光电脉搏图信号动态伪像检测轻量级深度神经网络

    本研究提出了一种轻量级的深度神经网络Tiny-PPG，用于准确和实时地检测心率监测中的PPG运动伪影。经验证实验，增加模型精度和速度之间的平衡，采用了特殊设计的模型结构，训练方法和损失函数，在嵌入式设备上实现实时PPG伪像检测。

    May, 2023

  • 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

  • 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

  • 大序列信号回归的非接触近红外光谱传感

    使用近红外（Near Infra-Red，NIR）视频作为输入，采用替代的卷积关注网络（Convolution Attention Network，CAN）架构，以回归光电容积脉搏图（photoplethysmography，PPG）信号为目标，论证了这种方法的有效性。该方法在裁剪到受试者头部的视频上实现了仅0.99 bpm的均方差，证明了其对NIR视频的有效性和架构回归精确信号的可行性。

    Nov, 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

  • 基于摄像头的并行脉冲驱动变压器远程光电容识别

    本文提出了一种基于脉冲神经网络的混合神经网络模型Spiking-PhyFormer，该模型在保持性能的同时，相较于PhysFormer和其他基于ANN的模型降低了12.4%的功耗，并将变压器块的功耗降低了12.2倍。

    Feb, 2024

  • KID-PPG：智能手表中心率提取的知识驱动深度学习

    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。

    May, 2024