.png){kind=icon}
返回
Random Forest-Based Blood Oxygen Saturation Estimation System Using a Web Camera
.png){kind=icon}
PRE
AI
DOI：10.14326/abe.15.254.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
血氧饱和度（SpO2）是最重要的生命体征参数之一。传统的测量方法是接触式光电容积脉搏波描记法（PPG），包括指夹式脉搏血氧仪。虽然PPG通常用于测量生命体征，但该方法对皮肤敏感人群（如婴儿和危重患者）可能造成不适。近期研究表明，利用面部视频改进非接触式SpO2估计技术，并增强远程光电容积脉搏波描记法（r-PPG）信号以提取重要信息。然而，r-PPG信号常因光照、运动和肤色差异而退化。本研究旨在通过面部视频优化r-PPG信号质量，采用特征选择降低复杂度和过拟合，并应用基于随机森林（RF）的方法建模r-PPG信号。此外，开发了一种基于机器学习的方法，利用网络摄像头在受控实验室环境中采集定义面部视频的r-PPG信号以估计SpO2水平。初始阶段，采用AI驱动的面部网格检测框架和感兴趣区域（ROI）跟踪算法，提升r-PPG信号质量并减少环境光和受试者运动引起的噪声。面部检测与ROI跟踪的振动通过卡尔曼滤波器平滑，时序数据经信号滤波处理。随后，采用监督机器学习算法RF从这些分量预测SpO2值。实验中，收集11名不同肤色和性别的受试者RGB面部视频数据训练RF算法，所用数据集小于其他研究。结果显示均方误差0.95%，均方根误差0.98%，平均绝对误差0.77%，皮尔逊相关系数0.80。尽管训练数据集较小，所提方法仍展现出显著可行性。面部视频的RGB颜色值在稳定环境中可能有助于精确估计SpO2水平。该非接触式方法是对传统脉搏血氧仪的潜在替代方案，在临床应用中具有潜力，特别是在远程患者监护、危重症监护、早期疾病检测和远程医疗领域。
Keyword:
biomedical signal
remote sensing
noncontact SpO2 estimation
face detection
signal processing
machine learning
期刊
A
IF:
0.8
论文数:
26
被引数:
0
机构
引用论文
Noncontact Monitoring of Heart Rate and Heart Rate Variability in Geriatric Patients Using Photoplethysmography Imaging使用光电容积描记成像对老年患者的心率和心率变异性进行非接触式监测
PREAI
分享收藏CL-SPO2Net: Contrastive Learning Spatiotemporal Attention Network for Non-Contact Video-Based SpO2 Estimation.png)
BIOENGINEERING-BASEL
OAAI
BIOENGINEERING-BASELIF3.7
OAAI分享收藏分享收藏分享收藏Exploring the Feasibility of Vision-Based Non-Contact Oxygen Saturation Estimation: Considering Critical Color Components and Individual Differences探索基于视觉的非接触式血氧饱和度估算的可行性：考虑关键颜色成分和个体差异
OAAI
OAAI分享收藏
查看更多内容