RRWaveNet：一种用于鲁棒 PPG 呼吸率估计的紧凑端到端多尺度残差 CNN
信号处理
2024-10-21 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
呼吸率（RR）是一项重要生物标志物，因为 RR 变化可反映心脏病、肺病和睡眠障碍等严重医疗事件。不幸的是，标准人工 RR 计数易受人误影响且无法连续进行。本研究提出一种连续估计 RR 的方法 RRWaveNet。该方法是一种紧凑的端到端深度学习模型，无需特征工程，且可使用低成本的原始光电容积描记（PPG）作为输入信号。RRWaveNet 以对象无关方式进行了测试，并在四个数据集（BIDMC、CapnoBase、WESAD 和 SensAI）中与基线比较，使用了三种窗口大小（16、32 和 64 秒）。RRWaveNet 优于当前最先进方法，在最优窗口大小下各数据集的平均绝对误差分别为 1.66 \pm 1.01、1.59 \pm 1.08、1.92 \pm 0.96 和 1.23 \pm 0.61 次/分钟。在远程监测设置（如 WESAD 和 SensAI 数据集）中，我们应用迁移学习，使用另外两个 ICU 数据集作为预训练数据集来提升性能，将 MAE 降低至多 21。这表明该模型可在平价可穿戴设备上实现准确且实用的 RR 估计。我们的研究也显示了在远程医疗与家庭场景下远程 RR 监测的可行性。
引用
@article{arxiv.2208.08672,
title = {RRWaveNet: A Compact End-to-End Multi-Scale Residual CNN for Robust PPG Respiratory Rate Estimation},
author = {Pongpanut Osathitporn and Guntitat Sawadwuthikul and Punnawish Thuwajit and Kawisara Ueafuea and Thee Mateepithaktham and Narin Kunaseth and Tanut Choksatchawathi and Proadpran Punyabukkana and Emmanuel Mignot and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:2208.08672},
year = {2024}
}
备注
11 pages, 8 figures