通过深度学习使用弹性心电图信号识别家庭中的个人

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 可穿戴技术可穿戴技术

背景情况:

• 传统的健康监测传感器通常需要与皮肤连接,从而限制了舒适度和日常使用性.
• 开发非粘合性,非侵入性传感器对于老年人低调的健康监测至关重要.
• 聚乙烯二化物 (PVDF) 压电传感器为捕获重要的生理信号提供了一个有希望的途径,而无需与皮肤接触.

研究的目的:

• 开发一种新型的健康监测系统,使用一种非粘合性PVDF压电传感器.
• 探索弹性心电图 (BCG) 信号用于个人识别的潜力.
• 为了实现持续的健康监测,同时允许个人维持正常的日常活动.

主要方法:

• 使用PVDF压电传感器从十个受试者中获取振动信号 (BCG).
• 使用252个获取信号案例构建和训练一个神经网络模型.
• 测试神经网络以根据家庭假设识别五个人.

主要成果:

• 开发的系统在所有252个测试案例中实现了良好的分类概率和准确率.
• 在几乎所有个体识别案例中都观察到高分类准确度.
• 该系统证明了对五个人组的有效识别能力.

结论:

• 基于PVDF压电传感器的系统显示,对于准确的个人识别有很大的前景.
• 该系统基于BCG信号频率组件识别个体的能力得到了验证.
• 未来的工作应该解决每日信号变化,以进一步提高系统的稳定性,以便长期监控.