机器学习应用于参考信号 - - 在光电显微信号中检测运动物体:一篇评论

科学领域:

• 生物医学信号处理
• 医疗保健中的人工智能
• 可穿戴式传感器技术

背景情况:

• 摄影电磁图 (PPG) 信号容易受到运动工件 (MA) 的影响,从而损害了数据完整性.
• 机器学习 (ML) 为MA检测提供了有前途的解决方案,而不需要参考信号.
• 现有的文献缺乏对PPG中基于ML的MA检测方法的全面综合和批判性评估.

研究的目的:

• 在PPG中提供ML技术的叙述性综述,用于在PPG中检测无参考信号的MA.
• 批判性地分析当前研究方法的局限性和不一致性.
• 引导研究人员和开发人员选择和验证适当的MA检测方法.

主要方法:

• 系统的文献搜索,重点是针对PPG中MA检测的ML算法.
• 排除使用信号过/分解而没有事先鉴定MA的研究.
• 排除使用多通道或额外传感器数据 (如加速度计) 的研究.

主要成果:

• ML显示了在PPG信号中对MA检测的显著潜力.
• 目前的研究显示在模型开发,测试和实时适用性评估方面存在局限性.
• 在验证措施和跨研究的实验标准化方面存在不一致.

结论:

• 对于验证PPG中基于ML的MA检测的标准化实验协议的需求至关重要.
• 跨不同身体部位和现实世界的场景进行更广泛的验证是必不可少的.
• 实践实施需要对方法可靠性和适用性的客观评估.