Comparative Analysis of Photoplethysmography Signal Quality from Right and Left Index Fingers
Notice bibliographique
Résumé
Photoplethysmography (PPG) has emerged as an increasingly attractive signal for noninvasive physiological measurements, owing to its simplicity, cost-effectiveness, and broad applicability spanning cardiovascular to respiratory systems.The burgeoning interest in PPG signal processing has facilitated its extensive incorporation in wearable devices, thus stimulating active research in this field.The present study undertakes a comprehensive evaluation to discern the optimal index finger (right or left) for PPG data acquisition and subsequent filtration, appraised through the lens of the signal-to-noise ratio (SNR) of the filtered signal.An analysis conducted on signals contaminated with white Gaussian noise unveiled that the Savitzky-Golay filter (a polynomial filter) with a window size of three outperformed other window lengths, rendering the highest SNR.Among the Infinite Impulse Response (IIR) filters compared; the Chebyshev I filter emerged as superior.Interestingly, the right index finger consistently demonstrated a higher mean SNR across filters: 0.49% for the Savitzky-Golay filters, 4.32% for the Butterworth (order 6), 7.71% for the Chebyshev I (order 10), and 4.02% for the Chebyshev II (order 4), relative to the left index finger for PPG signals perturbed by white Gaussian noise.These findings provide an insightful perspective for future research and development in wearable devices, suggesting potential superiority of the right index finger for PPG signal acquisition and filtration.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,003 | 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 ».