实验验证减少光电脉冲图的可能性 测量压力时间 压力指数 计算
Seung-Gun Lee1, Young Do Song1, Eui Chul Lee2
1Department of AI & Informatics, Graduate School, Sangmyung University, Hongjimun 2-Gil 20, Jongno-Gu, Seoul 03016, Republic of Korea.
Sensors (Basel, Switzerland)
|July 8, 2023
概括
快速压力监测是可能的,使用脉冲率变化 (PRV) 来自光电显微镜 (PPG) 信号. 实时压力预测只需10秒的PPG数据就实现了高精度.
科学领域:
- 生物医学工程 生物医学工程
- 生理监测 生理监测
- 机器学习用于健康
背景情况:
- 压力显著影响工作效率和健康,增加了对快速压力评估的需求.
- 传统的压力监测使用心率变化 (HRV) 或脉率变化 (PRV) 从心电图/心电图信号需要超过一分钟,阻碍实时应用.
- 准确的,实时的压力水平预测对于及时干预和管理至关重要.
研究的目的:
- 通过使用短时间光电显微镜 (PPG) 信号,研究实时压力监测的可行性.
- 为了评估压力指数的预测准确度,应从不同长度的脉冲率变化 (PRV) 数据中得出.
- 为了比较机器学习模型在从缩短的PPG记录中预测压力水平方面的表现.
主要方法:
- 脉率变化 (PRV) 指数是从5到60秒的时间内记录的PPG信号中提取的.
- 使用额外树回归器,随机森林回归器和梯度增强回归器模型来预测压力指数.
- 使用R2得分量化模型性能,将预测的压力指数与来自60秒PPG信号的压力指数进行比较.
主要成果:
- 机器学习模型实现了高R2分数,预测准确度随着数据采集时间的增加而增加.
- 在使用10秒或更长时间的PPG数据来预测压力时,始终获得超过0.7的R2得分.
- 具体的平均R2分数包括0.7600在10s,0.8846在20s,和0.9909在60s.
结论:
- 实时压力监测可以使用短时间的PPG信号实现.
- 从10秒或更长时间的PPG数据中得出的PRV指数预测压力水平可以获得可靠的结果 (R2 > 0.7).
- 这种方法为持续的,非侵入性的压力评估提供了切实可行的解决方案.
