GANを用いた高忠実度rPPG波形再構成：手のひら動画からのアプローチ

科学分野:

• 生体医工学
• 信号処理
• コンピュータビジョン

背景:

• リモートフォトプレチスモグラフィー（rPPG）は、カメラを用いた非接触型の生理学的モニタリングを可能にします。
• 既存のrPPG研究では、波形再構成よりもメトリック推定が優先されることが多いです。
• 指先PPGラベルを持つ現在のデータセットは、顔ベースのrPPG波形の精度を制限します。

研究 の 目的:

• 高忠実度のrPPG波形を再構成するための堅牢な方法を開発すること。
• rPPG波形生成における既存のデータセットとモデルの限界に対処すること。
• rPPGを用いた高度な生理学的信号分析のための信頼できる基盤を確立すること。

主な方法:

• 手のひら領域の動画と手首ベースのPPG信号をペアにした新しいデータセットを収集しました。
• 敵対的生成ネットワーク（GAN）ベースの脈波合成フレームワークを提案しました。
• 時間領域のピーク認識損失、周波数領域損失、および敵対的損失をノイズ除去のために組み込みました。

主要な成果:

• RMSE 0.102、MAPE 0.028で有望な性能を達成しました。
• Pearson相関係数0.987、コサイン類似度0.989で高い信号忠実度を示しました。
• rPPG波形再構成における新しいデータセットとGANフレームワークの有効性を検証しました。

結論:

• 提案手法は、形態学的精度が向上した高忠実度のrPPG波形をうまく再構成します。
• 新しいデータセットとGANフレームワークは、rPPGベースの健康アプリケーションのための信頼できる基盤を提供します。
• 本研究はrPPG波形再構成を進歩させ、より正確な生理学的信号分析を可能にします。