漆宇晟 1,2,3 , 張愛華 1,2,3 , 馬玉潤 1,2,3 , 王惠東 1,2,3 , 李佳琪 1,2,3 , 陳誠 1,2,3
  • 1. 蘭州理工大學 電氣工程與信息工程學院(蘭州 730050);
  • 2. 甘肅省工業過程先進控制重點實驗室(蘭州 730050);
  • 3. 蘭州理工大學 電氣與控制工程國家級實驗教學示范中心(蘭州 730050);
導出 下載 收藏 掃碼 引用

光電容積脈搏(PPG)易受干擾的影響,導致生理信息的誤判,因此在生理信息檢測前對PPG信號的質量進行評估至關重要。針對傳統機器學習方法準確度不高、深度學習方法需要大量樣本訓練的問題,本文提出了一種融合多類特征與多尺度時序信息的PPG信號質量評估的方法。提取多類特征以減少方法對樣本的依賴,采用多尺度卷積和雙向長短時記憶網絡提取多尺度時序信息,以提高質量評估結果的準確率。所提方法在7項試驗的14 700組樣本上,獲得94.21%的準確率,與6種質量評估方法相比,在全部的敏感性、特異性、精準率、F1分數指標上呈現出最好的性能。本文提供了一種PPG信號小樣本質量評估和質量信息挖掘的新方法,有望用于臨床及日常PPG生理信息的準確提取與監測。

引用本文: 漆宇晟, 張愛華, 馬玉潤, 王惠東, 李佳琪, 陳誠. 融合多類特征與多尺度時序信息的光電脈搏信號質量評估方法. 生物醫學工程學雜志, 2023, 40(3): 536-543. doi: 10.7507/1001-5515.202211054 復制

  • 上一篇

    一種基于新型檢測算法的模塊化的脈搏波預處理分析系統的設計與實現
  • 下一篇

    SMILESynergy:基于Transformer預訓練模型的抗癌藥物協同作用預測