基于量子模式识别与轻量级CNN架构的光电容积脉搏波信号质量评估
信号处理
2022-10-11 v1 机器学习
摘要
光电容积脉搏波（PPG）信号包含与心肺健康相关的生理信息。然而，在记录过程中，这些PPG信号易受运动伪影和身体动作的干扰，导致噪声增强、质量低劣的信号。因此，确保高质量信号对于准确提取心肺信息是必要的。尽管已有若干基于规则和基于机器学习（ML）的PPG信号质量估计方法，但这些算法的效能存疑。为此，本文提出一种采用新颖量子模式识别（QPR）技术的轻量级CNN架构用于信号质量评估。所提算法在来自昆士兰大学数据库的手动标注数据上进行了验证。共计28366个5秒信号段被预处理并转换为20×500像素的图像文件。这些图像文件作为2D CNN架构的输入。所开发的模型将PPG信号分类为“好”或“坏”，准确率达98.3%，灵敏度99.3%，特异度94.5%，F1分数98.9%。最后，所提框架在含噪的“Welltory app”采集PPG数据库上进行了性能验证。即便在噪声环境中，该架构也证明了其能力。实验分析表明，纤细的架构配合新颖的时空模式识别技术提升了系统性能。因此，所提方法可用于资源受限的可穿戴设备中实现好坏PPG信号分类。
引用
@article{arxiv.2202.00606,
title = {Signal Quality Assessment of Photoplethysmogram Signals using Quantum Pattern Recognition and lightweight CNN Architecture},
author = {Tamaghno Chatterjee and Aayushman Ghosh and Sayan Sarkar},
journal= {arXiv preprint arXiv:2202.00606},
year = {2022}
}
备注
7 pages, 6 figures, submitted to IEEE EMBC 2022