基于 PPG 形态变化的健康老龄化低成本 PPG 传感器实证研究
信号处理
2023-12-22 v1
摘要
我们展示了一项实验研究的发现，其中我们将光电容积脉搏波（PPG）信号的形态变化与健康老龄化相关联。在此前提下，我们使用通过非侵入性低成本 MAX30102 PPG 传感器收集的 PPG 数据，估计一个人的生物学年龄及其所属的年龄组。具体而言，我们从 179 名年龄在 3-65 岁之间的明显健康受试者的指尖收集原始红外 PPG 数据。此外，我们记录了每位受试者的以下元数据：年龄、性别、身高、体重、心脏病家族史、吸烟史、生命体征（心率和 SpO2）。我们对原始 PPG 数据进行预处理以去除噪声、伪影和基线漂移。然后，我们基于前四阶 PPG 导数（即所谓的 VPG、APG、JPG 和 SPG 信号）以及人口统计学特征构建了 60 个特征。随后，我们进行基于相关性的特征排序（保留 26 个最重要的特征），接着进行基于高斯噪声的数据增强（使数据集大小增加 15 倍）。最后，我们将特征集输入到三个机器学习分类器（逻辑回归、决策树、随机森林）和两个浅层神经网络：前馈神经网络（FFNN）和卷积神经网络（CNN）中。对于年龄组分类，浅层 FFNN 表现最佳，在二分类（3-15 岁与 15 岁以上）中达到 98% 的准确率，在三分类（3-12 岁、13-30 岁、30 岁以上）中达到 97% 的准确率。对于生物学年龄预测，浅层 FFNN 同样表现最佳，平均绝对误差（MAE）为 1.64。
引用
@article{arxiv.2312.13404,
title = {A low-cost PPG sensor-based empirical study on healthy aging based on changes in PPG morphology},
author = {Muhammad Saran Khalid and Ikramah Shahid Quraishi and Hadia Sajjad and Hira Yaseen and Ahsan Mehmood and Muhammad Mahboob Ur Rahman and Qammer H. Abbasi},
journal= {arXiv preprint arXiv:2312.13404},
year = {2023}
}
备注
8 pages, 5 figures, 6 tables, submitted to a journal for review