Boosted-SpringDTW:用于生理信号综合特征提取的增强弹簧动态时间规整
信号处理
2022-01-13 v1
摘要
目标:从生理信号中实现高质量综合特征提取,从而在波形形态不断演变的情况下实现精确的生理参数估计。方法:我们提出 Boosted-SpringDTW,一种概率框架,利用动态时间规整(DTW)与最小领域特定启发式,同时分割生理信号并识别代表心脏事件的基准点。自动化动态模板适应演变的波形形态。我们使用一个基准 PPG 数据集验证 Boosted-SpringDTW 性能,该数据集形态包含受试者与呼吸引起的变异。结果:Boosted-SpringDTW 在识别基准点时取得超过 0.96 的精确率、召回率与 F1 分数,在估计 IBI 时平均绝对误差小于 11.41 毫秒。结论:相较于两种基线特征提取算法,Boosted-SpringDTW 在基准点识别上 F1 分数平均提升 35%,在 IBI 估计上平均百分差改善 16%。意义:借助可穿戴设备实现精确的血流动力学参数估计,可在患者日常生活中实现持续健康监测。
引用
@article{arxiv.2201.04209,
title = {Boosted-SpringDTW for Comprehensive Feature Extraction of Physiological Signals},
author = {Jonathan Martinez and Kaan Sel and Bobak J. Mortazavi and Roozbeh Jafari},
journal= {arXiv preprint arXiv:2201.04209},
year = {2022}
}