CL-SPO2Net:用于非接触式基于视频的SpO2估计的对比学习时空注意网络
Jiahe Peng1, Weihua Su2, Haiyong Chen1
1School of Artificial Intelligence, Hebei University of Technology, Tianjin 300401, China.
Bioengineering (Basel, Switzerland)
|February 23, 2024
概括
这项研究介绍了CL-SPO2Net,这是一种使用RGB摄像头进行无接触血液氧气估计的新型半监督网络. 它即使在有限的数据和不同的条件下,也能实现精确的SpO2测量.
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RGB摄像头进行非接触式外围氧和 (SpO2) 估计是传统脉冲氧计的一个有希望的替代方案.
- 现有的方法往往需要稳定的环境和大型标记数据集,这限制了它们的实际应用.
- 由于环境光的变化和主体运动,准确性经常受到损害.
研究的目的:
- 开发一个创新的半监督网络,以准确的基于视频的SpO2估计.
- 为了克服小型标记数据集和环境不稳定性的局限性,在远程光电显微镜 (rPPG) 中进行信号分析.
- 提高非接触式SpO2监测的稳定性和可行性.
主要方法:
- 提出了一种对比学习的时空注意网络 (CL-SPO2Net),用于半监督的基于视频的SpO2估计.
- 从面部或手部区域的rPPG信号中利用时空相似性.
- 集成的深度神经网络与机器学习用于SpO2计算.
主要成果:
- 在稳定的环境中达到0.85%的平均绝对误差 (MAE).
- 在照明波动下表现出1.13%的MAE,在面部旋转时表现出1.20%的强度.
- 用小规模标记数据集展示了良好的可行性.
结论:
- CL-SPO2Net为非接触式SpO2估计提供了可行且准确的解决方案.
- 该网络有效地应对有限的数据和动态的环境条件所带来的挑战.
- 这种方法有可能在远程健康监测中得到广泛采用.
