Reconstrucción de Forma de Onda rPPG de Alta Fidelidad a partir de Vídeos de Palma Utilizando GANs

Área de la Ciencia:

• Ingeniería Biomédica
• Procesamiento de Señales
• Visión por Computadora

Sus antecedentes:

• La fotopletismografía remota (rPPG) facilita la monitorización fisiológica sin contacto utilizando cámaras.
• La investigación actual sobre rPPG a menudo prioriza la estimación de métricas sobre la reconstrucción de formas de onda.
• Los conjuntos de datos actuales con etiquetas PPG de la yema del dedo limitan la precisión de la forma de onda rPPG facial.

Objetivo del estudio:

• Desarrollar un método robusto para reconstruir formas de onda rPPG de alta fidelidad.
• Abordar las limitaciones de los conjuntos de datos y modelos existentes en la generación de formas de onda rPPG.
• Establecer una base confiable para el análisis avanzado de señales fisiológicas utilizando rPPG.

Principales métodos:

• Se recopiló un nuevo conjunto de datos que empareja vídeos de la región de la palma con señales PPG basadas en la muñeca.
• Se propuso un marco de síntesis de onda de pulso basado en red generativa antagónica (GAN).
• Se incorporó pérdida de pico-conciencia en el dominio del tiempo, pérdida en el dominio de la frecuencia y pérdida antagónica para la eliminación de ruido.

Principales resultados:

• Logró un rendimiento prometedor con una RMSE de 0.102 y una MAPE de 0.028.
• Demostró alta fidelidad de señal con una correlación de Pearson de 0.987 y una similitud de coseno de 0.989.
• Validó la efectividad del nuevo conjunto de datos y el marco GAN para la reconstrucción de la forma de onda rPPG.

Conclusiones:

• El enfoque propuesto reconstruye con éxito formas de onda rPPG de alta fidelidad con precisión morfológica mejorada.
• El nuevo conjunto de datos y el marco GAN ofrecen una base confiable para aplicaciones de salud basadas en rPPG.
• Este trabajo avanza en la reconstrucción de formas de onda rPPG, permitiendo un análisis más preciso de las señales fisiológicas.