Nuevos sensores piezoeléctricos conectados a la garganta basados en redes de creencias profundas optimizadas por Adam

Área de la Ciencia:

• Ingeniería biomédica
• Procesamiento de señales
• Aprendizaje automático

Sus antecedentes:

• Las señales piezoeléctricas conectadas a la garganta, a menudo de sensores de fluoruro de polivinileno (PVDF), son cruciales para el monitoreo fisiológico, pero son susceptibles al ruido ambiental y fisiológico.
• La eliminación efectiva del ruido es esencial para el análisis preciso de estas señales de vibración mecánica.

Objetivo del estudio:

• Desarrollar un método avanzado de desnudez para señales piezoeléctricas conectadas a la garganta utilizando redes de creencias profundas optimizadas por Adam (Adam-DBNs).
• Mejorar la fidelidad de la reconstrucción de la señal y suprimir el ruido residual en los datos del sensor PVDF.

Principales métodos:

• Las señales se transformaron en el dominio tiempo-frecuencia utilizando la transformada de Fourier de corto tiempo (STFT).
• Se reconstruyó una representación enmascarada de la frecuencia del tiempo a través de la prueba STFT inversa.
• Se emplearon redes de creencias profundas (DBN) con optimización de Adam para la extracción de características y la reconstrucción de señales para manejar ruido no lineal complejo.

Principales resultados:

• Adam-DBNs demostró una mejora del 6,77% en la similitud de la forma de onda en comparación con las Redes Neurales Convolucionales (CNNs) tradicionales.
• El método logró una reducción del residuo energético de ruido local en 0,099696.
• Se observaron ventajas significativas en la fidelidad de la reconstrucción de la señal y la supresión del ruido residual.

Conclusiones:

• El método Adam-DBNs propuesto ofrece una solución eficiente y robusta para mejorar las señales piezoeléctricas de los sensores conectados a la garganta.
• Este enfoque aborda eficazmente la contaminación acústica, mejorando la fiabilidad del seguimiento fisiológico basado en el análisis de las vibraciones.