Comparative Study of Heart Rate Extraction Methods for a Novel Intelligent Mattress
Notice bibliographique
Résumé
Unobtrusive monitoring of the heart rate (HR) is essential for improving medical intervention. A new generation of mattress-based fiber optic sensor (FOS) is emerging for HR monitoring. The use of this FOS mattress for medical diagnosis requires appropriate advanced signal processing algorithms. In our study, we aim to weigh the performances of a novel and cheaper microbend FOS mattress by applying ballistocardiogram and HR extraction algorithms. Therefore, our study targets comparing four types of HR extraction algorithms on the FOS mattress, namely MODWT, CEEMDAN, cepstrum and clustering. The goal is to select, based on their accuracy and computational speed, the most suitable one for online or offline application purposes. Results of applying these four chosen algorithms on the FOS mattress show that the cepstrum is the most accurate algorithm with a mean absolute error (MAE) of 4.62 ± 1.68 BPM. However, the cepstrum is more appropriate for offline monitoring with a runtime of 662.9 ms for a 10-second signal segment. The results also show that the Maximal Overlap Direct Wavelet Transform (MODWT) is more efficient with a runtime of 4.1 milliseconds for online purposes, but with a slightly bigger MAE (6.87 ± 1.94 BPM). Both methods proved to be as efficient on the new mattress technology as past intelligent mattresses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».