使用多谱IPPG技术的高精度心率检测与深度学习算法相结合

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 计算机视觉 计算机视觉

背景情况:

• 图像光电显微镜 (IPPG) 是一种非接触式的生理参数检测方法,广泛用于心率 (HR) 监测.
• 传统的IPPG方法面临限制,包括狭窄的光谱范围和运动检测性能差.
• 需要改进非接触式的人力资源监控解决方案,特别是在动态环境中.

研究的目的:

• 提出一种先进的HR检测方法,利用多光谱视频和IPPG技术.
• 开发和评估一个新的端到端神经网络 (IPPGResNet18),用于从面部多谱视频中实时估计HR.
• 为了证明拟议方法在运动条件下准确检测HR的有效性.

主要方法:

• 实施一种新的HR检测方法,将多光谱成像与IPPG技术相结合.
• 开发一个端到端的神经网络,IPPGResNet18,从面部多谱视频进行实时HR评估.
• 在专门的多光谱视频数据集上对IPPGResNet18模型的培训和验证.

主要成果:

• IPPGResNet18模型取得了有希望的结果,MAE=2.793,RMSE=3.695和SD=3.707. 这两项结果均为可预见的.
• 提出的基于多光谱视频的HR检测方法表现出高精度,特别是在运动状态下.
• 定量分析显示,估计和实际HR值之间存在很高的一致性 (p = 0.304).

结论:

• 提出的基于多光谱视频的IPPG方法为准确的非接触式HR检测提供了显著的进步.
• IPPGResNet18神经网络为实时HR监控提供了强大的解决方案,即使在主体移动时也是如此.
• 这项技术显然优于传统的实时HR监控方法在体育活动期间.