面向高强度运动的可穿戴 ECG 传感器自适应 R 波检测
信号处理
2022-09-13 v1 机器学习
系统与控制
系统与控制
摘要
目标：通过可穿戴传感器连续监测生物信号已在医疗和健康领域迅速扩展。在静息状态下，生命参数的自动检测通常准确。然而，在高强度运动等条件下，信号会发生突然的生理变化，损害标准算法的鲁棒性。方法：我们的方法名为 BayeSlope，基于无监督学习、贝叶斯滤波和非线性归一化，根据 R 波在 ECG 中的预期位置对其进行增强和正确检测。此外，由于 BayeSlope 计算量大，可能快速耗尽设备电池，我们提出了一种在线设计，使其鲁棒性适应突然的生理变化，并使其复杂度适应现代嵌入式平台的异构资源。该方法将 BayeSlope 与一个轻量级算法相结合，在不同能力的核心上执行，以在保持准确性的同时降低能耗。结果：在 20 名受试者参与的剧烈骑行运动实验中，BayeSlope 的 F1 分数达到 99.3%。此外，在线自适应过程在五种不同运动强度下均达到 99% 的 F1 分数，总能耗为 1.55±0.54 mJ。结论：我们提出了一种高精度、高鲁棒性的方法，并在现代超低功耗嵌入式平台上实现了完整的能效优化方案，以改善在诸如高强度运动等挑战性条件下的 R 波检测。意义：实验表明，BayeSlope 在 F1 分数上最高可超越现有最优算法 8.4%，而我们的在线自适应方法在现代异构可穿戴平台上可实现高达 38.7% 的能耗节省。
引用
@article{arxiv.2112.04369,
title = {Adaptive R-Peak Detection on Wearable ECG Sensors for High-Intensity Exercise},
author = {Elisabetta De Giovanni and Tomas Teijeiro and Grégoire P. Millet and David Atienza},
journal= {arXiv preprint arXiv:2112.04369},
year = {2022}
}
备注
12 pages, 14 figures, 2 tables