WildPPG：面向真实场景的长时序 PPG 数据集
计算机视觉与模式识别
2024-12-24 v1
摘要
反射式光电血容量图（PPG）已成为可穿戴设备中监测心脏活动的默认感知技术，通过测量人体心率（HR）实现。然而，PPG 基于的 HR 估计可能受到佩戴者活动、传感器位置及其引发的运动伪影，以及环境特征（如温度和环境光）的影响，这些因素会显著降低 HR 预测的可靠性。本文表明，当前领先的 HR 估计方法在处理来自户外环境中日常活动的代表性数据时表现差强人，可能是因为其依赖的现有数据集采集了受控条件。我们引入一个新型多模态数据集，并提供持续 PPG 记录的基准结果：该数据集来自 16 名受试者在 13.5 小时内的户外活动，由四个佩戴于身体不同位置的可穿戴传感器采集，总计 216 小时。我们的记录包含加速度计、温度和海拔数据，以及同步的 Lead I 电囊记录，用于提供 HR 的真实值参考。受试者完成了从苏黎世到瑞士仙山（Jungfraujoch）的往返旅程，其中包括各种户外和室内活动，如步行、徒步、楼梯爬升、用餐、饮水和在不同温度和海拔（最高达海拔 3571 米）下休息，以及使用汽车、火车、缆车和提升机进行交通——所有这些都影响了受试者的生理动态。我们还提出了一种方法，能够在此类真实场景中更稳健地估计 HR 值。
引用
@article{arxiv.2412.17540,
title = {WildPPG: A Real-World PPG Dataset of Long Continuous Recordings},
author = {Manuel Meier and Berken Utku Demirel and Christian Holz},
journal= {arXiv preprint arXiv:2412.17540},
year = {2024}
}
备注
Accepted at NeurIPS2024