利用神经网络从视频中远程估算血氧
机器学习
2025-02-04 v3 计算机视觉与模式识别
图像与视频处理
摘要
血氧饱和度（SpO）是呼吸功能的基本指标，在 COVID-19 大流行期间受到越来越多的关注。临床发现表明，COVID-19 患者在出现任何明显症状之前就可能已有显著偏低的 SpO。摄像头的普及促使研究者探索利用视频监测 SpO 的方法。大多数先前涉及智能手机的方案都是接触式的：它们需要指尖覆盖手机摄像头及附近光源，以捕获被照亮组织重新发射的光。本文中，我们提出首个基于卷积神经网络、使用智能手机摄像头的非接触式 SpO 估算方案。该方案分析受试者手部的视频进行生理感知，方便舒适，并能保护隐私且允许佩戴口罩。我们的神经网络架构设计受 SpO 测量的光生理模型启发，并通过可视化通道组合权重展示可解释性。我们提出的模型优于为接触式 SpO 测量设计的当前最优（SOTA）模型，显示出所提方法对公共健康的潜在贡献。我们还分析了皮肤类型与左右手对 SpO 估算性能的影响。
引用
@article{arxiv.2107.05087,
title = {Remote Blood Oxygen Estimation From Videos Using Neural Networks},
author = {Joshua Mathew and Xin Tian and Min Wu and Chau-Wai Wong},
journal= {arXiv preprint arXiv:2107.05087},
year = {2025}
}
备注
Published in IEEE Journal of Biomedical and Health Informatics