基于光电容积脉搏波描记法 (PPG) 的机器学习辅助姿态动作识别
信号处理
2024-11-20 v1 人工智能
机器学习
摘要
随着老年人比例和养老院入住率的不断上升，迫切需要开发跌倒检测和跌倒预防技术。本文首次提出利用机器学习技术仅从光电容积脉搏波描记法 (PPG) 数据中识别姿态动作。为实现这一目标，我们开发了一种设备用于读取 PPG 信号，将 PPG 信号分割成单个脉搏，提取脉搏形态和稳态特征，并评估不同的 ML 算法。11 名参与者进行了不同姿态动作（静止、坐到站、躺到站）的测试。这些测试结果为了解动作发生后 PPG 信号中稳态的差异提供了见解。我们使用了多种机器学习方法进行分类，发现人工神经网络 (ANN) 是最佳分类器，实验结果显示其测试准确率为 85.2%，F1 分数为 78%。
关键词
引用
@article{arxiv.2411.11862,
title = {Machine Learning Assisted Postural Movement Recognition using Photoplethysmography(PPG)},
author = {Robbie Maccay and Roshan Weerasekera},
journal= {arXiv preprint arXiv:2411.11862},
year = {2024}
}