基于鲁棒CNN的智能手表PPG和IMU呼吸频率估计
信号处理
2024-01-12 v1 机器学习
摘要
呼吸频率(RR)是多种医疗状况的指标，如心血管疾病和睡眠障碍。现有的RR估计方法大多基于手指PPG，且受试者处于静止状态（如医院）。与手指PPG信号相比，腕部PPG更容易受到噪声干扰，尤其是在包含呼吸信息的低频范围。因此，在自由生活条件下从腕部采集PPG数据时，现有方法难以准确提取RR。随着配备PPG等多种传感器的智能手表的普及，需要一种鲁棒的RR估计方法。本文提出一种基于卷积神经网络的方法，从智能手表捕获的PPG、加速度计和陀螺仪信号中提取RR。我们的方法包括扩张残差初始模块和一维卷积，提取信号的时间信息，实现RR估计。我们使用三星Gear Sport手表在自由生活条件下从36名受试者收集一天的数据进行训练和测试。评估时，将所提方法与四种最先进的RR估计方法进行比较。RR估计值与胸带设备获得的RR参考值进行比较。结果表明，我们的方法优于现有方法，平均绝对误差和均方根误差分别为1.85和2.34，而其他方法的最佳结果分别为2.41和3.29。此外，与其他方法相比，我们的方法的绝对误差分布较窄（中位数最低），表明估计值与参考RR值之间的一致性更高。
引用
@article{arxiv.2401.05469,
title = {Robust CNN-based Respiration Rate Estimation for Smartwatch PPG and IMU},
author = {Kianoosh Kazemi and Iman Azimi and Pasi Liljeberg and Amir M. Rahmani},
journal= {arXiv preprint arXiv:2401.05469},
year = {2024}
}