《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 基于深度學(xué)習(xí)的有效iPPG信號識別研究
基于深度學(xué)習(xí)的有效iPPG信號識別研究
網(wǎng)絡(luò)安全與數(shù)據(jù)治理 3期
陳澤輝1，熊繼平1，李金紅2，陳經(jīng)緯1，程漢權(quán)1
(1.浙江師范大學(xué) 物理與電子信息工程學(xué)院，浙江 金華321004； 2.浙江師范大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院，浙江 金華321004)
摘要： 成像式光電容積描記法(iPPG)是一種利用攝像機遠(yuǎn)程測量血容量脈沖的技術(shù)，現(xiàn)已成為早期篩查動脈粥樣硬化和心血管疾病的一種具有前景的技術(shù)。但iPPG信號中包含大量的噪聲，傳統(tǒng)的選取有效信號的方法準(zhǔn)確度低，普適性差?；谝陨蠁栴}，設(shè)計開發(fā)了基于Python的有效iPPG信號識別軟件，該軟件通過攝像頭采集人臉視頻并進(jìn)行人臉定位，在動態(tài)的感興趣區(qū)域中提取iPPG信號，并對信號進(jìn)行預(yù)處理，最終使用基于深度學(xué)習(xí)的iPPG信號判別模型進(jìn)行有效性識別，平均準(zhǔn)確率高達(dá)95.1%,對于實際應(yīng)用場景下的iPPG信號判別具有良好的準(zhǔn)確性與穩(wěn)定性，同時驗證了使用深度學(xué)習(xí)進(jìn)行非接觸式信號有效性判別的可行性。
中圖分類號： TP29
文獻(xiàn)標(biāo)識碼： A
DOI： 10.20044/j.csdg.2097-1788.2022.03.012
引用格式： 陳澤輝，熊繼平，李金紅，等. 基于深度學(xué)習(xí)的有效iPPG信號識別研究[J].網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2022，41(3)：74-80.
Research on effective iPPG signal recognition based on deep learning
Chen Zehui1，Xiong Jiping1，Li Jinhong2，Chen Jingwei1，Cheng Hanquan1
(1.College of Physics and Electronic Information Engineering，Zhejiang Normal University，Jinhua 321004，China； 2.College of Mathematics and Computer Science，Zhejiang Normal University，Jinhua 321004，China)
Abstract： Imaging photoplethysmography(iPPG) is a technique that uses a camera to remotely measure blood volume pulses. It has become a promising technique for early screening of atherosclerosis and cardiovascular disease. However, the iPPG signal contains a large amount of noise, and the traditional method of selecting an effective signal has low accuracy and poor universality. Based on the above problems, this paper designs and develops an effective iPPG signal recognition software based on Python. The software collects face video and locates the face through the camera, extracts the iPPG signal in the dynamic region of interest, and preprocesses the signal. Using the deep learning-based iPPG signal discrimination model for validity discrimination, the average accuracy rate is as high as 95.1%, which has good accuracy and stability for iPPG signal discrimination in practical application scenarios. This paper also verifies the feasibility of using deep learning for non-contact feasibility signal validity discrimination.
Key words : imaging photoplethysmography; signal processing; facial video processing; deep learning

0 引言

根據(jù)《中國心血管健康與疾病報告》可知：近年來，心血管疾病已經(jīng)成為我國致死數(shù)最多的疾病，高于癌癥、消化系統(tǒng)疾病等其他疾病[1]。預(yù)防和診斷心血管疾病的指標(biāo)主要包括心率、血氧飽和度和血壓等與心血管疾病密切相關(guān)的醫(yī)療體征[2]。目前主流市場存在一些家庭式生理監(jiān)測設(shè)備，包括指夾式脈搏血氧儀、智能手環(huán)[3]、袖帶式血壓儀等[4]。但是以上設(shè)備仍然存在著許多不足，同時在使用時存在一定的局限性，不能滿足所有情形下的使用要求。

成像式光電容積描記技術(shù)(iPPG)在近年來快速發(fā)展，該技術(shù)在平臺上可以比較輕松地實現(xiàn)，只需要一個攝像頭便可以遠(yuǎn)程非接觸式對生理信號進(jìn)行測量。這種測量方法尤其適用于一般的家庭中進(jìn)行快速便捷的健康檢查，目前該技術(shù)吸引了大量生物醫(yī)學(xué)工程領(lǐng)域的人員目光，成為該領(lǐng)域的新興研究方向之一[5]。

目前國內(nèi)外對非接觸式測量的研究仍處于起步階段，主要的研究是測量心率、血壓和血氧飽和度等。2007年，日本的Takano等基于iPPG技術(shù)使用相機采集的人體皮膚視頻研究出了一種心率與呼吸頻率采集裝置[6]；2017年，馬良提出一種基于雙波長法，遠(yuǎn)程測量血氧飽和度的方法[5]；也有研究利用貝葉斯光譜估計法，通過視頻測量得到脈搏等[7]。Chwyl等以貝葉斯估計為基礎(chǔ)，提出了一種非接觸式心率檢測方法[8]。

然而，上述文獻(xiàn)中對于有效iPPG信號的選取主要還是依靠傳統(tǒng)的算法以及后期人工識別，這些方法費時費力，且準(zhǔn)確率不高，難以應(yīng)用于實際的復(fù)雜場景中，因此，本研究設(shè)計了基于深度學(xué)習(xí)的iPPG 有效信號識別方法。通過高分辨率相機在穩(wěn)定光源下對人臉視頻進(jìn)行采集，然后通過設(shè)計人臉識別算法進(jìn)行定位，從選取的感興趣區(qū)域(Region Of Interest，ROI)提取脈搏波信號并進(jìn)行去噪處理，然后用訓(xùn)練好的深度學(xué)習(xí)模型對信號進(jìn)行有效性識別，并將最后識別得到的iPPG信號與標(biāo)準(zhǔn)的PPG信號進(jìn)行了對照。下面就對本文所設(shè)計的采集系統(tǒng)、人臉定位算法以及深度學(xué)習(xí)模型進(jìn)行完整的介紹。




本文詳細(xì)內(nèi)容請下載：http://ihrv.cn/resource/share/2000004909





作者信息：

陳澤輝1，熊繼平1，李金紅2，陳經(jīng)緯1，程漢權(quán)1

(1.浙江師范大學(xué) 物理與電子信息工程學(xué)院，浙江 金華321004；

2.浙江師范大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院，浙江 金華321004)


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。