基于光电脉冲图 (PPG) 的生物识别,使用二维信号转换和多尺度特征融合
Yuanyuan Xu1, Zhi Wang1, Xiaochang Liu2,3
1School of Electronic Information and Electrical Engineering, Yangtze University, Jingzhou 434023, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
本研究引入了一种改进的多尺度特征挤压和激发ResNet50 (MSF-SE ResNet50) 模型,用于使用2D光电显微图 (PPG) 信号进行强大的身份识别. 这种新的方法在复杂的环境中显著提高了准确性,超过了现有的方法.
科学领域:
- 生物识别和信号处理
- 为医疗保健提供深度学习.
背景情况:
- 光电缩图 (PPG) 信号对于生物识别身份验证是有效的.
- 现实世界PPG数据受到噪音和干扰的影响,阻碍了准确的识别.
- 现有的方法经常处理1D PPG信号,限制特征提取.
研究的目的:
- 提出一个改进的MSF-SE ResNet50模型,用于使用2D PPG信号增强身份识别.
- 解决基于PPG的生物识别中的噪音和干扰的限制.
- 为了利用二维时间频率表示,获得更丰富的空间信息.
主要方法:
- 使用连续波形变换 (CWT) 将1D PPG信号转换为2D时间频率图.
- 使用的挤压激发 (SENet) 模块用于增强功能提取.
- 引入了一个轻量级多尺度特征融合 (LMSFF) 模块,用于并行多尺度卷积运算和跨阶段特征融合.
主要成果:
- 在BIDMC数据集上,MSF-SE ResNet50模型实现了高性能.
- 获得的准确率为98.41%,精度为98.19%,回忆率为98.27%,F1得分为98.23%.
- 在所有指标上,与现有的最先进方法相比,表现出显著的改进.
结论:
- 拟议的2D PPG处理和MSF-SE ResNet50模型显著提高了身份识别的准确性.
- 新的网络架构和功能融合技术在复杂的环境中提供了卓越的性能.
- 这项工作在基于PPG的生物识别身份验证方面取得了重大进展.
