PPG信号的实时主体特定预测建模,用于在低氧条件下对人工物弹性SpO2估计

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 可穿戴的健康技术

背景情况:

• 摄影电磁镜 (PPG) 对于健康监测至关重要,但人工物和生理变异降低了外围动脉氧和度 (SpO2) 的准确性.
• 现有的方法在信号降解方面存在困难,这限制了在现实应用中可靠的SpO2估计.

研究的目的:

• 开发一种轻量级的实时预测建模方法,用于基于PPG的强大的SpO2监测.
• 为了使信号处理适应对象特定的PPG动态,并减轻文物影响.

主要方法:

• 从17名志愿者收集了459分钟的双波长PPG信号和参考SpO2在受控脱的过程中.
• 分段和分解心脏脉冲,评估各种信号模型 (高斯数,富里埃数列,多项式).
• 从最好的模型构建了一个功能空间,以使用先前的清洁脉冲生成机器学习预测.

主要成果:

• 预测的PPG信号与原始信号非常接近,平均R2得分高于0.9.
• 实现了低 SpO2 估计 根平均平方误差 (RMSE) 1.28%.
• 通过比较预测与没有模拟数据的原始脉冲来证明准确的错误估计.

结论:

• 拟议的算法为可穿戴系统中可靠的SpO2监测提供了一个有希望的解决方案,特别是在具有挑战性的条件下.
• 与信号质量评估的整合可以使克服工件损坏的细分进行实际使用.
• 这种适应性,预测性方法增强了PPG信号的强度,可以应对文物和个体变化.