在3D人体模型上模拟心脏信号,用于光电脉冲成像的发展

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 医疗成像医学成像

背景情况:

• 使用基于图像的心率估计的非接触式医疗监测是有希望的.
• 现有的方法需要广泛的数据集与各种条件 (运动,照明,生理学).
• 收集高质量,参数丰富的数据集是一个重大挑战.

研究的目的:

• 介绍一个用于生成合成数据的3D生物人体模型.
• 评估传统的和基于深度学习的成像光电显微镜 (iPPG) 方法.
• 克服对生命体征监测的现实数据采集的局限性.

主要方法:

• 开发一个具有集成合成心脏信号和运动的3D生物人类模型.
• 在各种场景下 (静止,说话,照明变化,活动) 染3D模型的视频.
• 在染的视频上测试五种传统和四种深度学习的iPPG提取方法.

主要成果:

• 3D模型可以通过不同的外观和皮肤色调进行定制.
• 对合成数据的iPPG方法的性能与真实人体数据的高度一致.
• 该研究确定了选择的iPPG方法的性能优点和缺点,这些方法在合成和真实数据之间一致.

结论:

• 3D生物人体模型提供了一种可控制的方法,用于生成用于生命体征监测的合成数据.
• 这种方法对于在具有挑战性的场景中测试和优化基于图像的生命体征方法非常有价值.
• 潜在的应用包括现实数据很难获得的情况,例如无人机辅助救援.