一种基于 CycleGAN 的精确无加速度计式 PPG 运动伪影去除技术
机器学习
2021-06-23 v1
摘要
光电容积描记（PPG）是一种简便且低成本的光学技术，广泛用于医疗健康领域以提取有价值健康相关信息，例如心率变异性、血压与呼吸率。PPG 信号可使用便携式可穿戴设备轻松连续且远程地采集。然而，这些测量设备易受日常活动引起的运动伪影影响。消除运动伪影最常见的方式是使用额外加速度计传感器，其存在两方面的局限：i) 高功耗；ii) 需在可穿戴设备中集成加速度计传感器（某些可穿戴设备并不需要）。本文提出一种低功耗、无加速度计式的 PPG 运动伪影去除方法，其精度优于现有方法。我们使用 Cycle Generative Adversarial Network（CycleGAN）从含噪 PPG 信号重建干净 PPG 信号。我们这种新颖的基于机器学习的技术，在无需使用加速度计等额外传感器的情况下，相较最先进方法在运动伪影去除上实现了 9.5 倍的提升。
引用
@article{arxiv.2106.11512,
title = {An Accurate Non-accelerometer-based PPG Motion Artifact Removal Technique using CycleGAN},
author = {Amir Hosein Afandizadeh Zargari and Seyed Amir Hossein Aqajari and Hadi Khodabandeh and Amir M. Rahmani and Fadi Kurdahi},
journal= {arXiv preprint arXiv:2106.11512},
year = {2021}
}
备注
Submitted to ACM Health