view in publisher's site

Reduced complexity algorithm for heart rate monitoring from PPG signals using automatic activity intensity classifier

Highlights•Heart rate estimation from wrist-mounted photoplethysmographic sensors.•Geometric separation of motion artifacts helps clean the useful signal.•Activity intensity detection helps optimize heart rate tracking.•Genetic algorithms can optimize tracking parameters for better accuracy.AbstractPhotoplethysmography (PPG) is a well-studied and promising technique to detect heart rate (HR) using cheap, non-invasive, wrist-wearable sensors that sense the amount of light reflected by the skin, related to the blood flow beneath. Still, the main issue is the high sensitivity to motion, which produces severe artifacts in the signal, often impeding accurate HR tracking. In this paper we present a method that combines an automatic activity intensity classifier, to select the proper amount of artifact cleaning that needs to be performed on the signal, with a geometric-based signal subspace approach to estimate the HR component of the PPG signal. Experimental evaluation is performed over a widely available dataset and the results are compared to an ECG-derived golden standard.

کاهش الگوریتم پیچیدگی برای پایش نرخ قلب از سیگنال‌های PPG با استفاده از طبقه‌بندی کننده شدت فعالیت خودکار

نکات مهم * تخمین نرخ قلب از سنسورهای photoplethysmographic نصب‌شده روی مچ. جداسازی هندسی از مصنوعات حرکتی به پاک کردن سیگنال مفید کمک می‌کند. _ تشخیص شدت فعالیت به بهینه‌سازی ردیابی نرخ قلب کمک می‌کند. الگوریتم های ژنتیکی می‌توانند پارامترهای ردیابی را برای accuracy.Abst بهتر and (HR)با استفاده از حسگرهای پوشیدنی و غیر تهاجمی، غیر تهاجمی، یا پوشیدنی که مقدار نوری منعکس‌شده از پوست را درک می‌کنند، مرتبط با جریان خون زیر را بهینه می‌کنند. با این حال، مساله اصلی، حساسیت بالا نسبت به حرکت است، که مصنوعات شدید را در سیگنال تولید می‌کند، که اغلب مانع ردیابی منابع انسانی دقیق می‌شود. در این مقاله، روشی را ارایه می‌کنیم که طبقه‌بندی کننده شدت فعالیت را ترکیب می‌کند، برای انتخاب مقدار مناسب پاک کردن محصول که باید بر روی سیگنال اجرا شود، با یک روش زیرفضای سیگنال مبتنی بر هندسی برای تخمین مولفه منابع انسانی سیگنال PPG. ارزیابی تجربی بر روی مجموعه داده‌ها بسیار موجود انجام می‌شود و نتایج با استاندارد طلایی مشتق‌شده از ECG مقایسه می‌شوند.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.