KID-PPG：面向从智能手表提取心率的知识信息深度学习方法
信号处理
2024-10-21 v2 机器学习
摘要
从脉搏血氧图（PPG）信号中准确提取心率仍然具有挑战性,由于运动伪影和信号退化。尽管基于数据驱动的深度学习方法在训练时将其作为推理问题进行处理,但往往未充分利用来自医学和信号处理社区的现有知识。本文针对深度学习模型存在的三个不足之处:运动伪影消除、退化评估和对PPG信号的生理学可行性分析。我们提出KID-PPG,一种集成自适应线性滤波、深度概率推断和数据增强的知识信息深度学习模型。我们在PPGDalia数据集上评估了KID-PPG,实现平均绝对误差为2.85次/分,超过了现有的可复现方法。我们的结果显示,通过将先验知识纳入深度学习模型,显著改善了心率跟踪性能。这一方法在通过整合深度学习模型中的既有专家知识方面显示出广泛的前景,以增强various biomedical applications。
引用
@article{arxiv.2405.09559,
title = {KID-PPG: Knowledge Informed Deep Learning for Extracting Heart Rate from a Smartwatch},
author = {Christodoulos Kechris and Jonathan Dan and Jose Miranda and David Atienza},
journal= {arXiv preprint arXiv:2405.09559},
year = {2024}
}