Reliable Physiological Monitoring on the Wrist Using Generative Deep Learning to Address Poor Skin-Sensor Contact

要約

フォトプレチスモグラフィ（PPG）は、消費者と臨床環境の両方で心血管の健康と生理学的パラメーターを監視するための広く採用された非侵襲的手法です。
動的環境でのモーションアーティファクトは広範囲に研究されていますが、座りがちな条件（重要でありながら採用されていない問題）での最適ではない皮膚センサー接触 – PPG波形の形態を歪め、主要な特徴の喪失または誤りを引き起こし、センシング精度を妥協することができます。
この作業では、CP-PPGを提案します。CP-PPGは、接触圧力を歪めたPPGシグナルを理想的な形態で高忠実度の波形に変換する新しいフレームワークであると提案します。
CP-PPGは、カスタムデータコレクションプロトコル、慎重に設計された信号処理パイプライン、およびカスタムPPG対応損失関数で訓練された新しい深い敵対モデルを統合します。
1）自己収集データセットの形態変換性能、2）パブリックデータセットの下流の生理学的モニタリングパフォーマンス、および3）ワイルド研究など、包括的な評価を通じてCP-PPGを検証しました。
広範な実験は、信号の忠実度（平均絶対誤差：0.09、40％の元の信号よりも40％の改善）の実質的かつ一貫した改善と、心拍数（HR）、心拍数変動（HRV）、呼吸速度（RR）、および血圧（BP）推定（BP）の推定値（BP）の21％改善のすべての評価における下流のパフォーマンスを示しています。
BPで4-5％）。
これらの発見は、PPGベースの生理学的モニタリングの信頼性と有効性を高めるために、皮膚センサーの接触問題に対処することの重要な重要性を強調しています。
したがって、CP-PPGは、臨床および消費者用途におけるウェアラブルヘルス技術の精度を改善する重要な可能性を秘めています。

要約(オリジナル)

Photoplethysmography (PPG) is a widely adopted, non-invasive technique for monitoring cardiovascular health and physiological parameters in both consumer and clinical settings. While motion artifacts in dynamic environments have been extensively studied, suboptimal skin-sensor contact in sedentary conditions – a critical yet underexplored issue – can distort PPG waveform morphology, leading to the loss or misalignment of key features and compromising sensing accuracy. In this work, we propose CP-PPG, a novel framework that transforms Contact Pressure-distorted PPG signals into high-fidelity waveforms with ideal morphology. CP-PPG integrates a custom data collection protocol, a carefully designed signal processing pipeline, and a novel deep adversarial model trained with a custom PPG-aware loss function. We validated CP-PPG through comprehensive evaluations, including 1) morphology transformation performance on our self-collected dataset, 2) downstream physiological monitoring performance on public datasets, and 3) in-the-wild study. Extensive experiments demonstrate substantial and consistent improvements in signal fidelity (Mean Absolute Error: 0.09, 40% improvement over the original signal) as well as downstream performance across all evaluations in Heart Rate (HR), Heart Rate Variability (HRV), Respiration Rate (RR), and Blood Pressure (BP) estimation (on average, 21% improvement in HR; 41-46% in HRV; 6% in RR; and 4-5% in BP). These findings highlight the critical importance of addressing skin-sensor contact issues to enhance the reliability and effectiveness of PPG-based physiological monitoring. CP-PPG thus holds significant potential to improve the accuracy of wearable health technologies in clinical and consumer applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google