利用人工神经网络改善运动伪影下光电容积描记测量用于个人健康监护
信号处理
2018-07-17 v1
摘要
光电容积描记（PPG）测量易受因外周肢体运动所致运动伪影（MA）的干扰。本文提出一种新方法，先识别受 MA 污染的 PPG 心搏，随后利用人工神经网络（ANN）修正心搏形态。首先，通过预训练的反馈 ANN 进行心搏质量评估以识别干净 PPG 心搏，并为每人生成参考心搏模板。PPG 数据经主成分分析（PCA）分解并按固定能量保留率重构。为每个 PPG 样本分配权重系数，使其相乘后修正的心搏形态匹配参考模板。采用基于粒子群优化（PSO）的技术选取最佳权重向量系数以调谐另一反馈 ANN，该网络输入为由自编码器从 PCA 重构数据生成的一组显著特征。为实时实现，该预训练 ANN 以前馈模式运行，直接为后续任意 PPG 测量生成权重向量。方法经 55 名受试者采集的 PPG 数据验证。获得平均 RMSE 0.28 与 SNR 改善 14.54 dB， crest time 与收缩期至舒张期峰值高度比的测量精度平均分别提升 36% 与 47%。在 IEEE Signal Processing Cup 2015 挑战数据库上，PPG 估计与 ECG 导出心率的 Pearson 相关系数为 0.990。所提方法可用于个人健康监测应用。
引用
@article{arxiv.1807.05331,
title = {Improving Photoplethysmographic Measurements under Motion Artifacts using Artificial Neural Network for Personal Healthcare},
author = {Monalisa Singha Roy and Rajarshi Gupta and Jayanta K. Chandra and Kaushik Das Sharma and Arunansu Talukdar},
journal= {arXiv preprint arXiv:1807.05331},
year = {2018}
}