این نرم افزار دو علامت حیاتی فیزیولوژیکی مهم را پیش بینی می کند که عبارتند از فشار خون (BP) و ضربان قلب (HR) از یک جریان ویدئویی ضبط نشده با نوک انگشت 20 ثانیه ای. ایده اصلی این برنامه استفاده از جریان ویدئویی با نوک انگشت برای تخمین سیگنال فوتوپلتیسموگرافی از راه دور (rPPG) است که از کارآموزان برای نظارت بر BP و HR استفاده می شود. در اینجا ما از طرح نقشه برداری rPPG-to-BP در هر ضرب بر اساس یادگیری انتقال استفاده می کنیم. یک نمایش جالب از یک سیگنال PPG 1 بعدی به عنوان یک تصویر دو بعدی برای فعال کردن مدل های قدرتمند مبتنی بر تصویر خارج از قفسه از طریق یادگیری انتقال استفاده می شود. این محدودیت ها در مورد اندازه داده های آموزشی به دلیل تمیز کردن دقیق داده ها را برطرف می کند. rPPG برآورد شده برای تخمین HR استفاده می شود. سپس، rPPG به ضربات تقسیم می شود. علاوه بر این، تمیز کردن مضاعف برای آموزش دادههای PPG تماسی و آزمایش ضربات rPPG نیز اعمال میشود. کیفیت ضربات تقسیمبندی شده با بررسی برخی از معیارهای کیفیت مرتبط آزمایش میشود. از این رو، قابلیت اطمینان پیشبینی با حذف ضربات تغییر شکل یافته افزایش مییابد. با انتخاب ضربات در فواصل با بالاترین قدرت سیگنال، کیفیت متغیر rPPG کاهش می یابد. ضربان با کیفیت بالا برای تخمین BP استفاده می شود. بر اساس نتایج تجربی، سیستم پیشنهادی از سیستمهای پیشرفته در مفهوم میانگین خطای مطلق (MAE) و انحراف استاندارد (STD) بهتر عمل میکند. STD برای داده های آزمون به ترتیب به 5.4782 و 3.8539 برای SBP و DBP کاهش یافته است. همچنین، MAE برای SBP و DBP به ترتیب به 2.3453 و 1.6854 کاهش یافت. علاوه بر این، نتایج برای تخمین BP از ویدیوی واقعی نشان میدهد که STD برای SBP و DBP به ترتیب به 8.027882 و 6.013052 میرسد. همچنین، MAE برای BP تخمینی از ویدیوهای واقعی به ترتیب به 7.052803 و 5.616028 برای SBP و DBP می رسد. برای اطلاعات بیشتر، لطفاً به مقاله ما مراجعه کنید: https://link.springer.com/article/10.1007/s10489-024-05354-9
تاریخ بهروزرسانی
۲۵ خرداد ۱۴۰۴