Amplitude-Independent Machine Learning for PPG through Visibility Graphs and Transfer Learning

要約

光電容積脈波計 (PPG) は、光を使用して血液量の変化を測定することを指し、ほとんどのウェアラブル デバイスの機能です。
PPG 信号は体の循環系に関する洞察を提供し、心拍数や血管の老化などのさまざまな生体特徴を抽出するために使用できます。
この目的のためにいくつかのアルゴリズムが提案されていますが、多くは人による校正への依存度が高いこと、高い信号品質要件、一般化の欠如などの限界を示しています。
この論文では、グラフ理論とコンピュータ ビジョン アルゴリズムを統合した PPG 信号処理フレームワークを紹介し、振幅に依存せず、アフィン変換に対して不変な解析フレームワークを提供します。
また、最小限の前処理が必要で、RGB チャネルを通じて情報を融合し、タスクとデータセット全体で堅牢な一般化を示します。
提案された VGTL-net は、血管老化の予測において最先端のパフォーマンスを実現し、連続血圧波形の堅牢な推定を実証します。

要約(オリジナル)

Photoplethysmography (PPG) refers to the measurement of variations in blood volume using light and is a feature of most wearable devices. The PPG signals provide insight into the body’s circulatory system and can be employed to extract various bio-features, such as heart rate and vascular ageing. Although several algorithms have been proposed for this purpose, many exhibit limitations, including heavy reliance on human calibration, high signal quality requirements, and a lack of generalisation. In this paper, we introduce a PPG signal processing framework that integrates graph theory and computer vision algorithms, to provide an analysis framework which is amplitude-independent and invariant to affine transformations. It also requires minimal preprocessing, fuses information through RGB channels and exhibits robust generalisation across tasks and datasets. The proposed VGTL-net achieves state-of-the-art performance in the prediction of vascular ageing and demonstrates robust estimation of continuous blood pressure waveforms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google