文章摘要
本文报道了谷歌研究院开发的一套基于深度学习的被动心率监测系统(PHRM),该系统可在日常智能手机交互过程中,通过分析面部视频的光电容积描记技术,实现心率和静息心率的无感测量。研究背景是静息心率作为关键生物指标,传统监测依赖可穿戴设备,应用普及受限。研究目的是开发一种无需主动配合、公平且可大规模应用的心率监测方法。研究基于485名参与者的192,353段视频开发,并在实验室及自由生活条件下使用211名参与者的162,546段视频进行验证,为同类研究中规模最大的验证。结论表明,在基准测试中PHRM心率测量表现优于现有方法,浅、中、深三种肤色组的心率平均绝对百分比误差均低于10%,达到行业标准且无肤色偏差;每日静息心率平均绝对误差低于每分钟5次,并与已知心血管风险因素相关。研究表明智能手机在实现被动、公平的心脏健康监测方面具有巨大潜力。研究还公开了大型标注智能手机视频数据集及预训练模型以促进后续研究。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。