基于Cycle生成对抗网络端到端精确的PPG呼吸率估计方法
机器学习
2021-08-03 v2 信号处理
摘要
呼吸率(RR)是代表通气的临床体征。RR的异常变化往往是身体试图维持组织氧供时健康恶化的首要征兆。在日常环境中远程监测RR的兴趣日益增长，这使得光电容积描记(PPG)监测可穿戴设备成为诱人选择。由于PPG信号中存在呼吸引起的调制，其是提取RR的有用来源。现有基于PPG的RR估计方法主要依赖手工规则和手动参数调优。近期提出了一种端到端深度学习方法，然而尽管其具有自动特性，该方法在使用真实世界数据时性能并不理想。本文提出一种端到端且精确的RR估计流程，利用Cycle生成对抗网络(CycleGAN)从原始PPG信号重建呼吸信号。我们的结果表明，在使用相同公开数据集时，相比SOTA方法RR估计精度提高达2(五折交叉验证下平均绝对误差为1.90.3)。我们的结果表明CycleGAN可成为从原始PPG信号估计RR的有价值方法。
引用
@article{arxiv.2105.00594,
title = {An End-to-End and Accurate PPG-based Respiratory Rate Estimation Approach Using Cycle Generative Adversarial Networks},
author = {Seyed Amir Hossein Aqajari and Rui Cao and Amir Hosein Afandizadeh Zargari and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2105.00594},
year = {2021}
}