要約
人間の健康は、高血圧、不整脈、脳卒中などの心血管疾患によって重大な影響を受ける可能性があります。
心拍数と血圧は、心臓血管系のモニタリングと心臓血管疾患の早期診断にとって重要な生体情報です。
心拍数を推定するための既存の方法は、心電図検査と光電脈波検査法に基づいており、センサーを皮膚表面に接触させる必要があります。
さらに、カテーテルやカフを使用した血圧測定方法は不便であり、適用範囲が限られています。
そこで本論文では、視覚に基づいて心拍数と血圧を推定する手法を提案する。
この論文は、デュアルリモート光電脈波ネットワーク (DRP-Net) と有界血圧ネットワーク (BBP-Net) から構成される 2 段階の深層学習フレームワークを提案します。
第 1 段階では、DRP-Net は、先端部および顔面領域のリモート光電脈波計 (rPPG) 信号を推論し、これらの位相シフトされた rPPG 信号を利用して心拍数を推定します。
第 2 段階では、BBP-Net は時間的特徴を統合し、先端部と顔面の rPPG 信号間の位相の不一致を分析して、SBP および DBP 値を推定します。
心拍数の推定精度を向上させるために、フレーム補間モデルに基づくデータ拡張手法を採用しました。
さらに、スケーリングされたシグモイド関数を組み込むことで、事前に定義された範囲内の血圧を推測するように BBP-Net を設計しました。
私たちの方法では、MMSE-HR データセットで平均絶対誤差 (MAE) 1.78 BPM で心拍数を推定することができ、最近の方法と比較して MAE を 34.31 % 削減しました。
収縮期血圧 (SBP) および拡張期血圧 (DBP) を推定するための MAE は 10.19 mmHg および 7.09 mmHg でした。
V4V データセットでは、心拍数、SBP、DBP の MAE はそれぞれ 3.83 BPM、13.64 mmHg、9.4 mmHg でした。
要約(オリジナル)
Human health can be critically affected by cardiovascular diseases, such as hypertension, arrhythmias, and stroke. Heart rate and blood pressure are important biometric information for the monitoring of cardiovascular system and early diagnosis of cardiovascular diseases. Existing methods for estimating the heart rate are based on electrocardiography and photoplethyomography, which require contacting the sensor to the skin surface. Moreover, catheter and cuff-based methods for measuring blood pressure cause inconvenience and have limited applicability. Therefore, in this thesis, we propose a vision-based method for estimating the heart rate and blood pressure. This thesis proposes a 2-stage deep learning framework consisting of a dual remote photoplethysmography network (DRP-Net) and bounded blood pressure network (BBP-Net). In the first stage, DRP-Net infers remote photoplethysmography (rPPG) signals for the acral and facial regions, and these phase-shifted rPPG signals are utilized to estimate the heart rate. In the second stage, BBP-Net integrates temporal features and analyzes phase discrepancy between the acral and facial rPPG signals to estimate SBP and DBP values. To improve the accuracy of estimating the heart rate, we employed a data augmentation method based on a frame interpolation model. Moreover, we designed BBP-Net to infer blood pressure within a predefined range by incorporating a scaled sigmoid function. Our method resulted in estimating the heart rate with the mean absolute error (MAE) of 1.78 BPM, reducing the MAE by 34.31 % compared to the recent method, on the MMSE-HR dataset. The MAE for estimating the systolic blood pressure (SBP) and diastolic blood pressure (DBP) were 10.19 mmHg and 7.09 mmHg. On the V4V dataset, the MAE for the heart rate, SBP, and DBP were 3.83 BPM, 13.64 mmHg, and 9.4 mmHg, respectively.
arxiv情報
| 著者 | Gyutae Hwang,Sang Jun Lee |
| 発行日 | 2024-01-09 13:56:37+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google