利用轻量级神经网络从光电容积脉搏波推断心电图以实现连续心脏监测
信号处理
2024-05-20 v5
摘要
本文提出了一种通过计算解决方案，通过心电图（ECG）的跨模态推断实现连续心脏监测。虽然一些智能手表现在允许用户通过触摸内置生物传感器获得30秒的ECG测试，但这些短期ECG测试常常遗漏心脏功能间歇性和无症状的异常。为了捕获这些及其他类型的心脏异常，期望用户持续主动参与长期连续心脏监测也是不可行的。为减轻对持续用户注意力和主动参与的依赖，我们设计了一种轻量级神经网络，从可穿戴光学传感器在皮肤表面感知的光电容积脉搏波（PPG）信号推断ECG。我们还开发了一种面向诊断的训练策略，使神经网络能够捕获ECG的病理特征，旨在提高重建ECG信号用于筛查心血管疾病（CVDs）的效用。我们还利用模型解释从数据驱动模型中获取洞察，例如揭示CVDs与ECG/PPG之间的某些关联，并展示神经网络如何在移动应用中应对运动伪影。在三个数据集上的实验结果证明了从PPG推断ECG的可行性，仅用约40K参数即实现了高保真度的ECG重建。
引用
@article{arxiv.2012.04949,
title = {Inferring ECG from PPG for Continuous Cardiac Monitoring Using Lightweight Neural Network},
author = {Yuenan Li and Xin Tian and Qiang Zhu and Min Wu},
journal= {arXiv preprint arXiv:2012.04949},
year = {2024}
}