在低照明和心率升高的情况下,远程光电显微镜的可靠性

科学领域:

• 生理监测是指对身体进行生理监测.
• 数字健康技术是数字健康技术.
• 生物医学信号处理

背景情况:

• 远程光电脉扫描 (rPPG) 是一种在远程医疗中估计心率的非侵入性方法.
• 现有的rPPG数据集缺乏多样性和生态有效性,限制了现实世界的可靠性.
• 在低光和高心率等具有挑战性的条件下,rPPG方法的稳定性尚未得到充分理解.

研究的目的:

• 系统地调查rPPG算法的稳定性在低照明和心率升高的情况下.
• 引入和使用CHILL数据集来评估rPPG方法的性能.
• 为了比较基于信号处理和基于深度学习的rPPG方法的性能.

主要方法:

• 收集了来自45名参与者在不同的光照条件下和运动诱导的心率 (54-141bpm) 中的视频和光电显微镜 (PPG) 信号,用于CHILL数据集.
• 在CHILL,PURE和COHFACE数据集上评估了八个rPPG算法 (四个信号处理,四个深度学习).
• 进行数据集内部和跨数据集分析,以评估算法性能和通用性.

主要成果:

• 在CHILL数据集上,许多rPPG方法在心率升高时显示出显著的性能下降.
• 与高心率相比,低光照明对rPPG表现的影响不那么明显.
• 几种深度学习模型未能将其推广到CHILL数据集中,而那些成功的模型仍在与高心率作斗争.

结论:

• 目前的rPPG算法在稳定性方面表现出显著的局限性,特别是在高心率方面.
• 奇尔数据集评估强调需要开发更有弹性的rPPG方法,以准确的数字健康监测.
• 需要进一步的研究,以提高各种现实世界的远程医疗场景中非侵入性生理监测的可靠性.