U-FaceBP：面向基于面部视频的血压估计的不确定性感知贝叶斯集成深度学习
计算机视觉与模式识别
2026-04-30 v3 图像与视频处理
摘要
血压(BP)测量对于日常健康评估至关重要。远程光电容积脉搏波描记术(rPPG)可从相机拍摄的面部视频中提取脉搏波，有望在不依赖专用医疗设备的情况下实现便捷的血压测量。然而，基于rPPG的血压估计存在多种不确定性，导致估计性能和可靠性有限。本文提出U-FaceBP，一种面向基于面部视频的血压估计的不确定性感知贝叶斯集成深度学习方法。U-FaceBP利用贝叶斯神经网络(BNN)对基于面部视频的血压估计中的偶然不确定性与认知不确定性进行建模。此外，我们将U-FaceBP设计为集成方法，利用多个BNN分别从rPPG信号、从面部视频导出的PPG信号以及面部图像估计血压。在涉及1197名受试者、涵盖多种族群体的大规模实验中，U-FaceBP优于最先进的血压估计方法。此外，我们表明U-FaceBP提供的不确定性估计具有信息量，可用于指导模态融合、评估预测可靠性以及分析不同种族群体间的性能差异。
引用
@article{arxiv.2412.10679,
title = {U-FaceBP: Uncertainty-aware Bayesian Ensemble Deep Learning for Face Video-based Blood Pressure Estimation},
author = {Yusuke Akamatsu and Akinori F. Ebihara and Terumi Umematsu},
journal= {arXiv preprint arXiv:2412.10679},
year = {2026}
}
备注
Accepted to IEEE Transactions on Instrumentation and Measurement