研究人员使用AI和加速度计数据来预测心率同时延长电池寿命

什么的Apple关注和诺基亚脉冲牛有什么共同点?他们都有脉搏血氧仪传感器，使用光电容积描记法(PPG)测量心率，根据血容量的变化，毛细血管的扩张和收缩。它们在某种程度上是准确的，但由于它们是基于光的，因此需要相当大的电量 - 它们会向皮肤发出反射回光电二极管的信号。

一种节省电池的替代方案可能是加速度计，这是智能手机，智能手表和测量非重力加速度的活动跟踪器中常见的传感器。在预印本服务器Arxiv.org 上发表的一篇论文中，飞利浦健康与布里斯托大学的研究人员描述了一种机器学习算法，该算法可以几乎完全从传感器预测心率，从而提高他们所附带的可穿戴设备的电池寿命。

消费者PPG传感器的功耗通常比可穿戴设备中使用的加速度计高5000倍，这是可穿戴技术所需的长电池寿命的一个障碍，”研究人员写道。“由于加速度计普遍存在于任何可能还含有心率传感器的设备中，我们有兴趣考虑将加速作为预测心率的方法。”

他们从参与EurValve项目的测试对象那里获取数据，这是一项针对接受心脏瓣膜置换手术的患者的多年临床研究。每款产品都配有加速度计(电池续航时间为3周)和带有脉搏血氧仪(带有4天电池寿命)的飞利浦健康监测器，并配有定制设计的计算单元 - 智能家居盒装(SHiB) - 安装在他们的家中，接收和处理来自两个可穿戴设备的数据。

研究人员培训了两种机器学习模型。第一个是基线：一个回归模型，完全依赖加速度计的数据，与佩戴者的心率保持一致，并试图预测未来的心率。可以在SHiB单元上运行的第二个模型采用“主动学习”方法，允许它从任一健康监视器中提取数据，具体取决于具体情况。

“该方法将以在线方式从流式加速度计数据预测心率，并能够在需要时通过PPG请求测量真实心率，”该团队写道。

他们采用了一些巧妙的技巧来减少能源消耗。第二个模型学会假设特定的加速模式，如步行或慢跑，表明心率可能会增加，并智能地决定是否使用加速度计数据或脉搏血氧计数据测量心率。

“通常，在主动学习问题中，可以查询样本的标签，特别是对于标签特别有用的数据样本，”该团队写道。“然而，在我们的设置中，这是不可行的，加速度数据不断到达，我们希望始终如一地产生心率估计，并且不可能回顾性地测量心率。”

研究人员评估了三名患者的主动学习模型，每名患者相隔两个月收集了四周的数据。平均绝对误差(MAE，或两个连续变量之间的距离)仅为每分钟2.5到5次心跳，节能效果显着。在一个例子中，当20.25%%的时间查询心率传感器时，MAE为2.89。

这对于健身爱好者和智能手表爱好者来说都是个好消息。

科技在提高人们社会活动质量的同时可能对部分科技使用者造成伤害。我们要正确认识网络的两面性，用其所长、避其所短，发挥网络对生活的积极促进作用。把科技作为生活的补充就可以享受科技的诸多益处，以上这篇文章希望可以给大家带来有用的信息。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！