【可穿戴算法开发】--基于神经网络的心率、血氧预测论文小结
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
·
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。
3. 在模型预测阶段，使用预测值与真实值的绝对值作为评价标准，ABS(HRest-HRtru)
未完待续
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
2
0- 0
已为社区贡献1条内容
所有评论(0)