手首フォトプレシスモグラフィの信号品質評価のための光GBMベースの方法

科学分野:

• 生物医学工学
• シグナル処理
• 機械学習

背景:

• 手首による光電解剖検査 (PPG) は,心血管の健康状態の監視に不可欠です.
• PPGの信号は 動きや光が影響し データの正確性を損ねます
• 健全な信号品質評価は,PPGに基づく信頼性の高い健康に関する洞察に不可欠です.

研究 の 目的:

• 手首ベースのPPG信号の品質を評価するための機械学習アルゴリズムを開発し,評価する.
• ウェアラブルデバイスを使用して心血管パラメータのモニタリングの正確性と信頼性を向上させる.

主な方法:

• 数千の腕ベースのPPGセグメントを含む2つのデータセット (WCSとLAB) を利用しました.
• デノイジングとノルマライゼーションによる事前処理信号
• 11つの時間/周波数領域の統計的特徴と2つのテンプレートマッチングの特徴 (ユークリッド距離,相関係数) を抽出しました.
• LOSO-CV (Leave-one-subject-out cross-validation) を採用したLightGBM分類器を使用している.

主要な成果:

• LightGBM分類器は,LOSO-CVの両方のデータセットで高性能を達成しました.
• WCSデータセットの結果:精度=92. 6%,精度=96. 6%,リコール=89. 8%,F1スコア=91. 4%,AUC=0. 925.
• 精度=98. 1%,リコール=95. 2%,F1スコア=96. 6%,AUC=0. 941.

結論:

• 提案された機械学習アルゴリズムは,腕ベースのPPG信号品質の評価を効果的に強化します.
• 統計とテンプレートマッチングの機能を組み合わせることで,パフォーマンスが著しく向上します.
• このアルゴリズムは ウェアラブル心血管健康モニタリングの 精度を高める強力なツールです