要約
光電脈波信号 (PPG) から抽出されたいくつかの心拍数推定ベンチマークで最先端のパフォーマンスを達成する、新しい学習ベースの方法を紹介します。
私たちは、隠れマルコフ モデルとして表す離散時間の確率過程のコンテキストで心拍数の変化を考察します。
訓練されたニューラル ネットワークを通じて、特定の PPG 信号ウィンドウの可能な心拍数値にわたる分布を導き出します。
信念伝播を使用して、心拍数変化の統計的分布を組み込み、時間的コンテキストでこれらの推定値を改良します。
これから、可能な心拍数値の範囲にわたる量子化された確率分布が得られ、固有の予測不確実性の意味のある適切に校正された推定値が得られます。
3 つの異なる相互検証実験を使用して、8 つの公開データセットに対する私たちの方法の堅牢性を示します。
要約(オリジナル)
We present a novel learning-based method that achieves state-of-the-art performance on several heart rate estimation benchmarks extracted from photoplethysmography signals (PPG). We consider the evolution of the heart rate in the context of a discrete-time stochastic process that we represent as a hidden Markov model. We derive a distribution over possible heart rate values for a given PPG signal window through a trained neural network. Using belief propagation, we incorporate the statistical distribution of heart rate changes to refine these estimates in a temporal context. From this, we obtain a quantized probability distribution over the range of possible heart rate values that captures a meaningful and well-calibrated estimate of the inherent predictive uncertainty. We show the robustness of our method on eight public datasets with three different cross-validation experiments.
arxiv情報
著者 | Valentin Bieri,Paul Streli,Berken Utku Demirel,Christian Holz |
発行日 | 2023-06-14 16:29:53+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google