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

要約

rPPG（Remote photoplethysmography）は、カメラで捉えたヘモグロビンの光吸収特性を利用してBVP（Blood Volume Pulse）を計測・解析する技術です。
測定されたBVPを分析すると、心拍数、ストレスレベル、血圧などのさまざまな生理学的信号を導き出すことができ、遠隔医療、遠隔患者モニタリング、心血管疾患の早期予測などのさまざまな用途に応用できます。
rPPGは、医療機器やウェアラブル機器を使わずに、カメラ付き機器で生体信号を計測できる利便性の高さから、急速に進化し、学界や産業界から大きな注目を集めています。
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、精度性能を低下させるその他のノイズやアーティファクトの発生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) とディープ ニューラル ネットワーク (DNN) 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ってさまざまな 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。
方法。
GitHub URL: https://github.com/remotebiosensing/rppg

要約(オリジナル)

rPPG (Remote photoplethysmography) is a technology that measures and analyzes BVP (Blood Volume Pulse) by using the light absorption characteristics of hemoglobin captured through a camera. Analyzing the measured BVP can derive various physiological signals such as heart rate, stress level, and blood pressure, which can be applied to various applications such as telemedicine, remote patient monitoring, and early prediction of cardiovascular disease. rPPG is rapidly evolving and attracting great attention from both academia and industry by providing great usability and convenience as it can measure biosignals using a camera-equipped device without medical or wearable devices. 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 and artifacts, which degrade accuracy performance. We argue that fair and evaluable benchmarking is urgently required to overcome these challenges and make meaningful progress from both academic and commercial perspectives. In most existing work, models are trained, tested, and validated only on limited datasets. Even worse, 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