Tato aplikace předpovídá dva důležité fyziologické vitální znaky, kterými jsou krevní tlak (BP) a srdeční frekvence (HR) z 20sekundového nezaznamenaného video streamu z konce prstu. Hlavní myšlenkou této aplikace je využít video stream z prstu k odhadu signálu vzdálené fotopletysmografie (rPPG), který se používá pro monitorování TK a HR. Zde používáme naše schéma mapování rPPG-k-BP na jeden úder založené na učení přenosu. Zajímavá reprezentace 1-D PPG signálu jako 2-D obrazu se používá pro umožnění výkonných hotových modelů založených na obrázcích prostřednictvím přenosového učení. Řeší omezení velikosti trénovacích dat kvůli přísnému čištění dat. Odhadovaný rPPG se používá pro odhad HR. Poté je rPPG rozděleno do taktů. Dále je aplikováno dvojité čištění pro trénink kontaktních PPG dat a testování rPPG beatů. Kvalita segmentovaných úderů se testuje kontrolou některých souvisejících metrik kvality. Spolehlivost předpovědi je tedy zvýšena vyloučením deformovaných úderů. Měnící se kvalita rPPG je uvolněna výběrem taktů během intervalů nejvyšší síly signálu. Vysoce kvalitní tepy se používají pro odhad TK. Na základě experimentálních výsledků navržený systém předčí nejmodernější systémy ve smyslu střední absolutní chyby (MAE) a směrodatné odchylky (STD). STD pro testovací data je snížena na 5,4782 a 3,8539 pro SBP a DBP, v daném pořadí. MAE se také snížila na 2,3453 a 1,6854 pro SBP a DBP, v daném pořadí. Navíc výsledky odhadu BP ze skutečného videa ukazují, že STD dosahuje 8,027882 a 6,013052 pro SBP a DBP, v tomto pořadí. Také MAE pro odhadovaný BP ze skutečných videí dosahuje 7,052803 a 5,616028 pro SBP a DBP. Další informace naleznete v našem dokumentu: https://link.springer.com/article/10.1007/s10489-024-05354-9
Datum aktualizace
15. 6. 2025