Tiny-PPG：一种用于边缘设备上光电容积描记信号运动伪迹实时检测的轻量级深度神经网络
信号处理
2023-10-11 v3 机器学习
摘要
尽管光电容积描记（PPG）信号基于物联网（IoT）的可穿戴与智能健康设备广泛用于心血管健康监测，其在真实场景中易受运动伪迹污染。本研究提出一种称为 Tiny-PPG 的轻量级深度神经网络，用于在 IoT 边缘设备上准确且实时地进行 PPG 伪迹分割。模型在公开数据集 PPG DaLiA 上训练与测试，该数据集包含 15 名受试者使用手表型设备（Empatica E4）在各种日常活动中产生的具有不同长度与形态的复杂伪迹。模型结构、训练方法与损失函数经过专门设计，以在资源受限的嵌入式设备实时 PPG 伪迹检测中平衡检测精度与速度。为优化模型规模与多尺度特征表示能力，模型分别采用了深度可分离卷积与空洞空间金字塔池化模块。此外，还利用对比损失进一步优化特征嵌入。经额外模型剪枝，Tiny-PPG 以仅 19,726 个模型参数（0.15 兆字节）取得了 87.4% 的 SOTA 检测精度，并成功部署于 STM32 嵌入式系统以实现实时 PPG 伪迹检测。因此，本研究为资源受限 IoT 智能健康设备的 PPG 伪迹检测提供了有效方案。
引用
@article{arxiv.2305.03308,
title = {Tiny-PPG: A Lightweight Deep Neural Network for Real-Time Detection of Motion Artifacts in Photoplethysmogram Signals on Edge Devices},
author = {Yali Zheng and Chen Wu and Peizheng Cai and Zhiqiang Zhong and Hongda Huang and Yuqi Jiang},
journal= {arXiv preprint arXiv:2305.03308},
year = {2023}
}