A Robust Fusion Method for Motion Artifacts Reduction in Photoplethysmography Signal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle