自主监督的自动编码器网络,从噪音较大的光电脉冲图中提取强大的心率:将盲源分离应用到生物信号分析中

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 人工智能的人工智能

背景情况:

• 生物信号是生理事件的复杂混合物.
• 盲源分离 (BSS) 对于提取单个信号至关重要.
• 光电脉冲图 (PPG) 信号往往是杂的,具有挑战性的心率 (HR) 检测.

研究的目的:

• 开发一种自我监督的方法来分离心跳信号和PPG.
• 在杂的PPG数据中提高心率检测的准确性.
• 将该方法应用于各种数据集,而无需进行预处理.

主要方法:

• 为BSS.一个自我监督的多编码器自编码器 (MEAE) 已被提出.
• 外交部在一个大型,开放的多重睡眠数据库上接受了培训.
• 训练有素的网络应用于来自日常活动和手术患者的杂PPG数据集.

主要成果:

• 与心跳相关的分离源信号显著改善了HR检测.
• MEAE在杂的日常活动和大型手术数据集上都表现出有效性.
• 培训或应用程序不需要预处理或数据选择.

结论:

• 拟议的MEAE方法有效地将心跳信号与PPG分开.
• 这种方法提高了在具有挑战性的生物信号条件下HR检测的准确性.
• 自主监督的,没有预处理的MEAE显示了生物信号BSS的显著潜力.