论文阅读和分析：Deep PPG: Large-Scale Heart Rate Estimation with Convolutional Neural Networks

原创

已于 2023-05-20 08:32:02 修改 · 978 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#论文阅读

于 2023-05-20 08:30:54 首次发布

文章介绍了通过DeepPPG神经网络架构从加速度(ACC)和光电容积描记法(PPG)数据中提取心率信号的方法。首先，对数据进行频谱分析，然后利用特定频段的点进行网络输入。网络结构包括多层卷积和全连接层，用于特征提取和心率估计。评价指标主要为平均绝对误差(MAE)，并对比了不同方法、网络参数以及活动状态下的心率估计效果。

1、查看数据的时频谱图

左图中间的是心率信号，其他的是运动伪迹和其他噪声信号；

在这里插入图片描述

2、DaLiA数据集

采集不同场景下的数据。使用EEG信号的设备同时采集心率作为真实心率值；

在这里插入图片描述

3、提出神经网络架构DeepPPG

在这里插入图片描述

主要步骤：

1、提取频谱

（1）三个通道的ACC数据，就是三轴加速度，分别FFT，得到频谱；

（2）单通道的PPG数据，FFT变换得到频谱；

（3）FFT变换后取频率范围0-4HZ的点240个，加上端点，得到257个点；

网络架构:

层数	参数param	特征图shape
Conv	kernel_num(8)、kernel_size(1,1) 、stride(1,1)
maxpool	size(1,2)、stripe(1,2)	128*8
Conv	kernel_num(16)、kernel_size(1,3) 、stride(1,1)
maxpool	size(1,2)、stripe(1,2)	64*16
Conv	kernel_num(32)、kernel_size(1,3) 、stride(1,1)
maxpool	size(1,2)、stripe(1,2)	32*32
Conv	kernel_num(64)