RespDiff：一种用于从 PPG 信号估计呼吸波形的端到端多尺度 RNN 扩散模型
信号处理
2024-10-08 v1 人工智能
人机交互
摘要
呼吸率（RR）是重要的健康指标，常在不便的场景下进行监测，这限制了其在连续监测中的实用性。脉搏血压仪（PPG）传感器日益集成到可穿戴设备中，为以便携方式持续估计 RR 提供了可能。本文提出RespDiff，一种用于从 PPG 信号估计呼吸波形的端到端多尺度 RNN 扩散模型。RespDiff 无需手工特征或排除低质量信号段，适用于实际场景。该模型采用多尺度编码器，在不同分辨率上提取特征，并使用双向 RNN 处理 PPG 信号以提取呼吸波形。此外，引入谱损失项进一步优化模型。在BIDMC数据集上的实验表明，RespDiff 在 RR 估计中优于多个前期工作，平均绝对误差（MAE）为1.18 bpm，而其他方法范围为1.66至2.15 bpm，显示其在实际应用中实现稳健和准确呼吸监测的潜力。
引用
@article{arxiv.2410.04366,
title = {RespDiff: An End-to-End Multi-scale RNN Diffusion Model for Respiratory Waveform Estimation from PPG Signals},
author = {Yuyang Miao and Zehua Chen and Chang Li and Danilo Mandic},
journal= {arXiv preprint arXiv:2410.04366},
year = {2024}
}