基于神经网络的心率、血氧、血压预测的中,可采用的方法通常是卷积神经网络、循环神经网络、卷积+循环神经网络。
1. 在信号采集阶段,同步采集PPG信号和ECG信号,将信号分割切分为 t 秒时间片段,每 s 秒移动一次,通过ECG信号计算出每秒的心率值作为真实心率值。数据集可以参照
IEEE Signal Processing Cup(2015)中提供的数据集,这个数据集里包含了跑步机上的PPG、ACC和ECG运动信号,找不到数据集的小伙伴可以私信我。
2. 在模型搭建与训练阶段,设计2层卷积神经网络CNN作为特征提取层,但是生成的特征相位不是完全线性的,相关特征会发生偏移。因此使用LSTM有助于学习到PPG信号中的心跳活动中历史变换趋势之间的时间依赖性,从而有助于从相位偏移中恢复。在卷积神经网络的输出后加入2个LSTM层,最后连接到全连接层预测心率。
【可穿戴算法开发】--基于神经网络的心率、血氧预测论文小结
最新推荐文章于 2023-07-11 10:14:17 发布