Medición Fisiológica Remota Robusta Basada en Video Federado para Datos Heterogéneos de Múltiples Fuentes

Área de la Ciencia:

• Ingeniería Biomédica
• Ciencias de la Computación
• Procesamiento de Señales

Sus antecedentes:

• La fotopletismografía remota (rPPG) permite la monitorización fisiológica sin contacto utilizando videos faciales.
• Los métodos actuales de rPPG enfrentan desafíos con los costos de transmisión de datos y las preocupaciones de privacidad.
• El aprendizaje federado (FL) ofrece una solución pero lucha con la heterogeneidad entre dominios en los datos rPPG de múltiples fuentes.

Objetivo del estudio:

• Abordar los desafíos de privacidad y heterogeneidad entre dominios en el entrenamiento federado para fotopletismografía remota.
• Proponer un marco novedoso de aprendizaje federado, FedGRC, para el análisis eficaz de datos rPPG de múltiples fuentes.
• Caracterizar la heterogeneidad de los datos rPPG de múltiples fuentes desde las perspectivas del dominio de entrada y salida.

Principales métodos:

• Se caracterizó la heterogeneidad de los datos rPPG de múltiples fuentes desde los dominios de entrada y salida.
• Se introdujeron técnicas de pseudoetiquetado dentro de un marco de aprendizaje federado.
• Se desarrolló FedGRC con calibración automática de regularización de gradientes y alineación de pseudoetiquetas utilizando métodos rPPG hechos a mano.

Principales resultados:

• FedGRC mitiga eficazmente las discrepancias del dominio de entrada a través de la calibración de la regularización de gradientes.
• El pseudoetiquetado alinea los dominios de salida y reduce las inconsistencias de etiquetas entre conjuntos de datos.
• Validado en seis conjuntos de datos públicos, FedGRC demostró ventajas significativas sobre los enfoques existentes.

Conclusiones:

• El marco FedGRC aborda con éxito la protección de la privacidad y los desafíos de heterogeneidad en los datos rPPG de múltiples fuentes.
• Este enfoque mejora la viabilidad del aprendizaje federado para mediciones fisiológicas sin contacto.
• FedGRC ofrece una solución robusta para el análisis de datos rPPG heterogéneos y que preservan la privacidad.