MSPM: A Multi-Site Physiological Monitoring Dataset for Remote Pulse, Respiration, and Blood Pressure Estimation
作者: Jeremy Speth, Nathan Vance, Benjamin Sporrer, Lu Niu, Patrick Flynn, Adam Czajka
分类: cs.CV
发布日期: 2024-02-03
💡 一句话要点
提出MSPM数据集以支持多部位生理监测的研究
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱八：物理动画 (Physics-based Animation)
关键词: 生理监测 远程医疗 光电容积描记法 数据集 无接触测量 脉搏传输时间 呼吸率估计
📋 核心要点
- 现有方法在多部位生理信号监测中面临数据不足和准确性低的问题，限制了相关研究的进展。
- 论文提出了MSPM数据集，旨在通过多部位生理信号的真实测量数据，支持相机基础的生命体征估计研究。
- 实验结果显示，MSPM数据集在脉搏率、呼吸率和PTT的估计中表现出色，MAE分别低于4 BPM和1.09次呼吸/分钟。
📝 摘要（中文）
可见光相机能够在不接触被试的情况下捕捉微妙的生理生物标志。我们提出了多站点生理监测（MSPM）数据集，这是第一个支持从身体多个位置同时进行相机基础生命体征估计的数据库。MSPM使得远程光电容积描记法（rPPG）、呼吸率和脉搏传输时间（PTT）的研究成为可能；它包含了多个身体位置的脉搏血氧饱和度和使用接触传感器测量的血压的真实值。我们提供了全面的实验，证明了MSPM在支持rPPG、呼吸率和PTT研究方面的适用性。跨数据集的rPPG实验表明，MSPM是一个具有挑战性但高质量的数据集，数据集中脉搏率的平均绝对误差（MAE）低于每分钟4次，而在某些情况下跨数据集的脉搏率MAE低于每分钟2次。呼吸实验发现，通过提取胸部运动特征，MAE为每分钟1.09次。PTT实验发现，不同身体部位之间的远程PTT与接触测量的PTT之间存在高度相关性，这为未来基于相机的PTT研究提供了可能性。
🔬 方法详解
问题定义：本论文旨在解决多部位生理信号监测中数据不足和准确性低的问题。现有方法往往依赖于接触式传感器，限制了其应用场景和舒适性。
核心思路：论文提出MSPM数据集，通过在多个身体部位进行真实生理信号的测量，支持相机基础的生命体征估计，提供了丰富的数据资源以促进相关研究。
技术框架：整体架构包括数据采集、数据标注和实验验证三个主要阶段。数据采集使用可见光相机和接触式传感器，数据标注则提供真实的生理信号作为基准，实验验证则通过多种算法评估数据集的有效性。
关键创新：MSPM数据集是第一个支持多部位生理监测的公开数据集，具有高质量和挑战性，能够有效推动远程生理信号估计技术的发展。
关键设计：在数据采集过程中，采用了多种传感器配置和测量方法，确保数据的多样性和准确性。损失函数设计上，针对不同生理信号的特性进行了优化，以提高模型的估计精度。实验中使用了多种基线模型进行对比，确保结果的可靠性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，MSPM数据集在脉搏率估计中，数据集中MAE低于每分钟4次，跨数据集MAE在某些情况下低于每分钟2次；呼吸率的MAE为每分钟1.09次，显示出该数据集的高质量和有效性。
🎯 应用场景
该研究的潜在应用领域包括远程医疗、健康监测和智能穿戴设备等。通过无接触的生理信号监测，能够提高用户的舒适度和便利性，同时为医疗健康提供更为精准的数据支持，具有重要的实际价值和未来影响。
📄 摘要（原文）
Visible-light cameras can capture subtle physiological biomarkers without physical contact with the subject. We present the Multi-Site Physiological Monitoring (MSPM) dataset, which is the first dataset collected to support the study of simultaneous camera-based vital signs estimation from multiple locations on the body. MSPM enables research on remote photoplethysmography (rPPG), respiration rate, and pulse transit time (PTT); it contains ground-truth measurements of pulse oximetry (at multiple body locations) and blood pressure using contacting sensors. We provide thorough experiments demonstrating the suitability of MSPM to support research on rPPG, respiration rate, and PTT. Cross-dataset rPPG experiments reveal that MSPM is a challenging yet high quality dataset, with intra-dataset pulse rate mean absolute error (MAE) below 4 beats per minute (BPM), and cross-dataset pulse rate MAE below 2 BPM in certain cases. Respiration experiments find a MAE of 1.09 breaths per minute by extracting motion features from the chest. PTT experiments find that across the pairs of different body sites, there is high correlation between remote PTT and contact-measured PTT, which facilitates the possibility for future camera-based PTT research.