PPGnet：基于光电容积脉搏波的设备无关心率估计深度网络
机器学习
2019-03-22 v1 信号处理
机器学习
摘要
光电容积脉搏波（PPG）日益被用于在日常活动条件下对心血管系统进行监测。智能手表等可穿戴设备利用 PPG 实现对自由生活状态下心率的长期无感监测。遗憾的是，基于 PPG 的心率测量极易受运动伪影影响，尤其当从手腕处测量时。传统的机器学习和深度学习方法依赖三轴加速度计数据与 PPG 结合来进行心率估计。由于不同 PPG 设备在硬件设计上存在差异，常规基于学习的方法尚未解决设备特定建模的需求。本文提出一种新颖的端到端深度学习模型，利用长度为 8 秒的 PPG 输入信号进行心率估计。我们在 IEEE SPC 2015 数据集上评估所提模型，在 12 名受试者上实现心率估计平均绝对误差 3.36±4.1 BPM，且无需患者特定训练。我们还研究了结合全面内部 PPG 数据集进行迁移学习与稀疏重训练，以跨越不同硬件设计的 PPG 设备实现心率估计的可行性。
引用
@article{arxiv.1903.08912,
title = {PPGnet: Deep Network for Device Independent Heart Rate Estimation from Photoplethysmogram},
author = {Shyam A and Vignesh Ravichandran and Preejith S. P and Jayaraj Joseph and Mohanasankar Sivaprakasam},
journal= {arXiv preprint arXiv:1903.08912},
year = {2019}
}
备注
Under review in EMBC 2019