Evaluation of Facial Pulse Signals Using Deep Neural Net Models - Publikacja - MOST Wiedzy

Wyszukiwarka

Evaluation of Facial Pulse Signals Using Deep Neural Net Models

Abstrakt

The reliable measurement of the pulse rate using remote photoplethysmography (PPG) is very important for many medical applications. In this paper we present how deep neural networks (DNNs) models can be used in the problem of PPG signal classification and pulse rate estimation. In particular, we show that the DNN-based classification results correspond to parameters describing the PPG signals (e.g. peak energy in the frequency domain, SNR, etc.). The results show that it is possible to identify regions of a face, for which reliable PPG signals can be extracted. The accuracy obtained for the classification task and the mean absolute error achieved for the regression task proved the usefulness of the DNN models.

Cytowania

  • 1

    CrossRef

  • 0

    Web of Science

  • 2

    Scopus

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Aktywność konferencyjna
Typ:
publikacja w wydawnictwie zbiorowym recenzowanym (także w materiałach konferencyjnych)
Język:
angielski
Rok wydania:
2019
Opis bibliograficzny:
Rumiński J., Kwaśniewska A., Szankin M., Kocejko T., Mazur-Milecka M.: Evaluation of Facial Pulse Signals Using Deep Neural Net Models// / : , 2019,
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/embc.2019.8857839
Weryfikacja:
Politechnika Gdańska

wyświetlono 43 razy

Publikacje, które mogą cię zainteresować

Meta Tagi