论文阅读和分析：PP-Net A Deep Learning Framework for PPG-Based Blood Pressure and Heart Rate Estimation

最新推荐文章于 2024-08-23 14:13:44 发布
最新推荐文章于 2024-08-23 14:13:44 发布
阅读量237 收藏 1
点赞数 1
分类专栏： 机器学习 信号处理算法 文章标签： 论文阅读 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/KPer_Yang/article/details/131178618
版权
该文章提出了一种基于深度学习的框架，通过PPG数据的降采样减少计算需求，然后利用CNN-LSTM神经网络对心率(HR)、舒张压(DBP)和收缩压(SBP)进行精准估计。实验结果显示，这种方法在血压和心率估算中表现出高效性和准确性。
摘要由CSDN通过智能技术生成

主要内容：

1、通过对PPG数据降采样降低计算量；
2、设计一种CNN-LSTM神经网络对HR、DBP、SBP进行计算；


流程图：

在这里插入图片描述


神经网络架构：

在这里插入图片描述

神经网络参数配置：

在这里插入图片描述


实验结论：

在这里插入图片描述


在这里插入图片描述


参考：

PP-Net A Deep Learning Framework for PPG-Based Blood Pressure and Heart Rate Estimation

KPer_Yang
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
快手ppnet模型
zhangwl27的专栏
08-24 1574
参考
二抽取代码MATLAB-Cuff-less-BP-using-Deep-Learning:无袖BP使用深度学习
05-26
二摘代码MATLAB 袖带血压预测 该存储库托管使用两种方法根据ECG和PPG信号预测血压的代码。 使用机器学习方法进行特征提取和回归。 基于深度学习的回归。 入门： 克隆此仓库： git clone https://github.com/jeya-maria-jose/Cuff_less_BP_Prediction cd Cuff_less_BP_Prediction 资料集： 数据集： 该数据库由矩阵的单元格阵列组成，每个单元格都是一个记录部分。 在每个矩阵中，每一行对应一个信号通道： 1：PPG信号，FS = 125Hz; 指尖的光电容积描记器 2：ABP信号，FS = 125Hz； 有创动脉血压（mmHg） 3：ECG信号，FS = 125Hz; 来自通道II的心电图 基于特征提取和机器学习的方法： 先决条件： 的MATLAB 的Python 3 Scikit学习 特征提取 功能说明 seven_features.m提取特征的代码：（WN，PIR，PTT，HR，IH，IL，Meu） ppg_features.m提取PPG功能的代码 PTT_final.m提取PTT的代码 提取的
基于注意力机制的CNN-LSTM模型及其应用（含软硬注意力区别）
热门推荐
pengxiang1998的博客
10-05 3万+
处理原始数据集，再将其按 6∶2∶2 的比例划分。数据输入时进行归一化，在加速模型收敛的同时，一定程度提升模型精度；输出时进行反归一化。
【Few-Shot Segmentation论文阅读笔记】Part-aware prototype for few-shot semantic Segmentation, ECCV, 2020
Raymond_Love的博客
01-11 2232
Abstract 问题： 现有Few-shot segmentation方法的缺点包括： 只能处理有限的问题：one-way few-shot segmentation, 比较难向multi-way进行扩展 Single prototype 表征能力有限，无法涵盖object的全部regions 目标： 针对上述问题，本文引入semi-supervised framework，将其作为semi-supervised few-shot semantic segmentation问题，从两方面入手en
PP-LCNet论文全文解析
Tsuinosora
10-22 3207
PP-LCNet: A Lightweight CPU Convolutional Neural Network ???? PDF Link ???? Github Code Section 1 介绍 随着模型参数和FLOPs的加大，模型越来越难以在基于ARM架构的移动端设备或者x86架构的CPU上取得较快的推理速度。虽然有许多优秀的移动端网络被设计出来，但是由于MKLDNN的限制，网络的推理加速效果并不理想。本文重新考虑了轻量级模型的构成，尤其是我们考虑了三个基础问题： 在不增加网络延时的前提下，如
【语义分割网络系列】五、PSPNet
traveller的博客
10-23 944
PSPNet
多任务建模之PPNet
weixin_38381682的博客
10-11 8126
多任务ppnet网络结构
论文阅读和分析：Deep PPG: Large-Scale Heart Rate Estimation with Convolutional Neural Networks
KPer_Yang的博客
05-20 288
论文阅读和分析：Deep PPG: Large-Scale Heart Rate Estimation with Convolutional Neural Networks
论文阅读和分析：CorNET Deep Learning Framework for Heart Rate Estimation and Biometric Identification
KPer_Yang的博客
06-08 167
论文阅读
blood-pressure-algorithm-based-PPG.zip_PPG 测血压_blood_ppg blood p
07-14
【标题】：“blood-pressure-algorithm-based-PPG.zip”是一个包含基于PPG（光体积描记术）的血压测量算法的压缩文件。该算法专为连续监测血压而设计，并已经过验证，能够产生准确的结果。 【描述】：光体积描记术...
heartrate_analysis_python:适用于PPG和ECG信号的Python心率分析软件包
03-29
现在有两个笔记本，说明如何分析来自智能手表和智能环的ppg信号。 增加了对色盲的支持，请参阅 安装 python setup.py install 另外，我们也在PIP上： python -m pip install heartpy 而已！ 请注意，Github始终...
matlab精度检验代码-HEAL-T-AN-EFFICIENT-PPG-BASED-HEART-RATE-AND-IBI-ESTIMATIO
05-22
matlab精度检验代码在体育锻炼过程中有效地基于PPG进行心率和IBI估算的方法 该存储库包含由Matlab和bash代码组成的功能代码，用于间隔信号（IBI），心率（HR）计算和来自人为的血容量脉冲（BVP）信号的HRV度量以及...
ECG-and-PPG-fusion-detection.rar_PPG signal_PPG血压_blood_signal f
07-14
基于ECG与PPG信号融合的血压检测方法研究,通过将两种进行融合处理，从而更加准确地进行血压的检测分析处理。
Conditional Flow Matching: Simulation-Free Dynamic Optimal Transport论文阅读笔记
weixin_46103454的博客
08-20 381
假设给定一个目标流pt和生成它的向量场ut .学习与pt相匹配的流的一种方法是通过对目标向量场的回归进行梯度下降。
【论文阅读】APMSA: Adversarial Perturbation Against Model Stealing Attacks（2023）
Glass_Gun的博客
08-20 1097
换句话说，对于威胁模型隐私的模型窃取攻击，利用API查询公共数据的可接受次数(即通常较小)，并从MUA获取返回的预测，以构建用于训练替代/被盗模型的“传输数据集”，从而危及MUA的隐私并破坏其业务价值。值得注意的是，除了私下使用被盗模型进行进一步的免费查询外，被盗模型还可以用来制作可转移的对抗示例来欺骗MUA[12]，[13]。攻击者通过私有模型提供的付费查询服务(即MLaaS提供的API)，对查询的输入x获得预测y，在某些情况下，返回的预测通常是概率向量(即x属于特定类别的置信度)或标签(top-1)。
【论文阅读】GLiRA: Black-Box Membership Inference Attack via Knowledge Distillation（2024）
最新发布
Glass_Gun的博客
08-23 504
Membership inference attack，成员推理攻击。knowledge distillation，知识蒸馏。trustworthy AI，可信人工智能。
VIT论文阅读： A Image is Worth 16x16 Words
qq_19859865的博客
08-18 565
在2024年，大家都知道了transformer的故事，但是在4年前, CNN和Transformer谁才是CV的未来，还没有那么确定。在简介部分，作者提到了一个令人失望的事实，在基于imagenet的实验中发现，transformer的表现差于同尺寸的ResNet。作者把原因归结到bias translation equivariance and locality，这些CNN具有，但是transformer不具有的特性上。如下图【1】
Swin-Transformer论文阅读
qq_19859865的博客
08-20 899
在CNN对于图像分类，目标检测等问题的探索中，大家已经发现，母舰检测，语义分割这类任务，相比于图像分类对于网络backbone有着不一样的需求。而基于vit对于图像分类问题的探索，接下来，大家可以依葫芦画瓢，尝试解决更有挑战的问题了。关于目标检测，语义分割这类任务，通常需要网络具有分层提取不同颗粒度的特征，并且，网络的是输入可能是更高分辨率的图像，输出也是更精细的特征，比如语义分割的mask。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

KPer_Yang

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值