A Robust Fusion Method for Motion Artifacts Reduction in Photoplethysmography Signal
Notice bibliographique
Résumé
Robustness of estimating cardiorespiratory parameters from photoplethysmography (PPG) signal is highly dependent on the quality of the signal, which is heavily affected by motion artifacts. To increase the estimation accuracy of cardiorespiratory parameters, this article describes a novel fusion method to efficiently and effectively reduce the motion artifacts from the acquired PPG signal. The proposed fusion technique requires simultaneously acquiring data from a PPG sensor and accelerometer. To filter out the frequencies associated with motion, the method uses stopband filters with a central rejection frequency and bandwidth determined by the output signal of the accelerometer. Under such conditions, the proposed method to remove the motion artifacts does not depend on the quality of the reference signal and has almost no impact on the nature of PPG signals (i.e., amplitude, baseline, and periodicity). The effectiveness of the proposed method in the suppression of in-band and out-of-band frequencies of motion is numerically and experimentally evaluated. It is shown that the filtered PPG signal has sufficient information to estimate different cardiac parameters such as heart- (HR), respiration rate (RR), and blood oxygen saturation (SpO2). The motion artifact-free PPG signal obtained using our proposed method can estimate HR, RR, and SpO2 with an accuracy of above 95%. This level of accuracy confirms the usefulness of the proposed fusion method for accuracy improvement of cardiorespiratory parameters monitored by the filtered PPG signal.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».