期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于深度学习的运动心率测量系统 被引量:12
1
作者 荣凡稳 郑伟 +1 位作者 陈冉 高军峰 《电子测量与仪器学报》 CSCD 北大核心 2017年第12期1912-1917,共6页
针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electroc... 针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electrocardiogram,ECG)设备同步采集他们的ECG信号,将具有较强干扰的PPG信号作为堆栈自编码(stacked autoencoder,SAE)网络的输入信号,并将ECG信号作为网络标签,然后使用深度学习算法对自编码网络进行训练,以将有较强干扰PPG信号拟合为具有准确心率特征的类正弦波信号,从而实现对运动状态下干扰严重的PPG信号进行心率的提取。将SAE网络输出信号与对应ECG信号进行比较,结果显示,运动心率测量的平均误差为1.1658 bpm,表明深度学习算法对于心率测量的有效性,也为运动心率信号测量提供了一种新的途径。 展开更多
关键词 运动心率测量 深度学习 脉搏 堆栈自编码网络
下载PDF
基于CNN-seq2seq的运动心率检测系统 被引量:4
2
作者 覃凯 张绪 +1 位作者 龚佳琪 高军峰 《中南民族大学学报(自然科学版)》 CAS 北大核心 2021年第5期489-495,共7页
针对当前可穿戴式心率检测设备在运动条件下的心率测量准确度不高的问题,提出了一种卷积神经网络结合序列到序列网络(CNN-seq2seq)的深度学习算法,提取在运动状态下的光电容积脉搏波(photoplethysmograph,PPG)中的心率值的方法.结合卷... 针对当前可穿戴式心率检测设备在运动条件下的心率测量准确度不高的问题,提出了一种卷积神经网络结合序列到序列网络(CNN-seq2seq)的深度学习算法,提取在运动状态下的光电容积脉搏波(photoplethysmograph,PPG)中的心率值的方法.结合卷积神经网络在特征提取方面的特点,并利用长短期记忆网络在时序数据处理上的优势,建立了卷积神经网络结合序列到序列的+注意力机制的网络模型.方法采集了30名身体健康的受试者在静止、行走、慢跑和快跑四个状态下的PPG信号,并通过有抗干扰能力的心电设备同步采集他们的心电(electrocardiogram,ECG)信号,将PPG信号作为神经网络输入信号,将ECG信号简化后保留心率特征,作为网络标签,然后对CNN-seq2seq网络进行训练,网络输出得到具有准确心率特征的类PPG信号,从而实现对运动条件下的心率测量.将CNN-seq2seq网络输出结果与对应的ECG信号计算每分钟心率值,心率估计的平均误差和均方误差为0.25±1.31.实验结果证明:CNN-seq2seq网络模型对于运动心率预测能得到比较理想的结果.这为实现运动心率的便携式测量提供了一种可行方案. 展开更多
关键词 运动心率测量 深度学习 脉搏 CNN网络 seq2seq网络
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部