Ambient Light-Driven Wireless Wearable Finger Patch for Monitoring Vital Signs From PPG 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
In recent years, wearable health monitoring using photoplethysmogram (PPG) has become a popular trend. However, one of the main challenges of PPG sensing is the power usage of the light-emitting diode (LED) in the technique. In this work, we designed a wireless wearable finger patch that can record PPG signals solely using ambient light, entirely eliminating the requirement for LED power consumption. The finger patch is implemented on a two-layer flexible polyimide substrate and is based on a high sensitivity silicon photodiode (PD) and a high dynamic range analog front end (AFE). The entire circuit is powered by a rechargeable Li-ion coin battery. It also uses a Bluetooth module to send the PPG data wirelessly. The system is validated with 12 healthy subjects for the collection of PPG signals under three ambient light conditions. Assessment of the PPG signals quality demonstrates that the PPG signals acquired under the ambient light conditions can be placed in the reliable or acceptable category. Finally, two vital signs: heart rate (HR) and blood pressure (BP) are extracted from the no-LED mode PPG signals obtained from 12 subjects using the finger patch. The calculated maximum mean absolute error (MAE) for HR in comparison to the reference measurement is small (3.4 BPM). For BP prediction AlexNet network with training of all layers with finger patch PPG data shows better performance and produces BP with an average MAE of 8.1 mmHg and 6.05 mmHg for systolic BP (SBP) and diastolic BP (DBP), respectively. Without any need to turn on any LED, the finger patch can save power and will have the potential for long-term health monitoring without frequently charging batteries.
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 | 0,001 |
| 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