Remote Bio-Sensing: Open Source Benchmark Framework for Fair Evaluation of rPPG

要約

遠隔光電容積脈波計 (rPPG) は、カメラで捕捉されたヘモグロビンの光吸収特性を利用して、血液量脈拍 (BVP) を分析および測定する技術です。
測定されたBVPを解析することで、心拍数、ストレスレベル、血圧などのさまざまな生理信号を導き出すことができ、心血管疾患の早期予測などへの応用が可能となります。
rPPG は、血圧モニターやパルスオキシメーターなどの追加のデバイスを必要とせず、医療専門家の支援も必要とせずに、カメラ付きデバイスを使用してバイタル信号の測定を可能にするため、急速に進化している分野です。
この分野における広範な努力と進歩にもかかわらず、肌の色、カメラの特性、周囲の照明、およびパフォーマンスの精度を低下させるその他のノイズ源に関連する問題など、深刻な課題が残されています。
私たちは、これらの課題を克服し、学術的および商業的観点の両方から有意義な進歩を遂げるためには、公正で評価可能なベンチマークが緊急に必要であると主張します。
既存の研究のほとんどでは、モデルは限られたデータセット上でのみトレーニング、テスト、検証されています。
さらに悪いことに、一部の研究には利用可能なコードや再現性が不足しており、パフォーマンスを公正に評価して比較することが困難になっています。
したがって、この研究の目的は、従来の非ディープ ニューラル ネットワーク (非 DNN) 手法とディープ ニューラル ネットワーク (DNN) 手法の両方を含む、公正な評価と比較のために、幅広いデータセットにわたるさまざまな rPPG 手法を評価するためのベンチマーク フレームワークを提供することです。
GitHub URL: https://github.com/remotebiosensing/rppg。

要約(オリジナル)

Remote Photoplethysmography (rPPG) is a technology that utilizes the light absorption properties of hemoglobin, captured via camera, to analyze and measure blood volume pulse (BVP). By analyzing the measured BVP, various physiological signals such as heart rate, stress levels, and blood pressure can be derived, enabling applications such as the early prediction of cardiovascular diseases. rPPG is a rapidly evolving field as it allows the measurement of vital signals using camera-equipped devices without the need for additional devices such as blood pressure monitors or pulse oximeters, and without the assistance of medical experts. Despite extensive efforts and advances in this field, serious challenges remain, including issues related to skin color, camera characteristics, ambient lighting, and other sources of noise, which degrade performance accuracy. We argue that fair and evaluable benchmarking is urgently required to overcome these challenges and make any meaningful progress from both academic and commercial perspectives. In most existing work, models are trained, tested, and validated only on limited datasets. Worse still, some studies lack available code or reproducibility, making it difficult to fairly evaluate and compare performance. Therefore, the purpose of this study is to provide a benchmarking framework to evaluate various rPPG techniques across a wide range of datasets for fair evaluation and comparison, including both conventional non-deep neural network (non-DNN) and deep neural network (DNN) methods. GitHub URL: https://github.com/remotebiosensing/rppg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google