基于RGB摄像头与机器学习技术的非接触式血氧饱和度实时监测系统研究

《Symmetry》：Non-Contact SpO2 Estimation Using Camera-Based Photoplethysmography: A Machine Learning Approach on Edge

　　

摘要

生命体征监测，特别是对传染病患者的监测，对临床护理至关重要。传统的接触式工具存在交叉污染和不适的风险，尤其是对于皮肤脆弱的人群。本研究介绍了一种利用(RGB)摄像头进行实时外周血氧饱和度(SpO₂)监测的新型非接触式系统。所提出的算法将比值比法(RoR)与机器学习技术(弹性网络、岭回归和线性回归)相结合。在真实世界环境中收集了98名患者的数据：其中65名用于通过10折交叉验证进行模型开发和选择，15名用于截距校准，18名用于最终评估。与常规方法相比，该方法在最终评估中达到了0.89%的平均绝对误差(MAE)和1.20%的均方根误差(RMSE)。该算法专为嵌入式架构部署而设计。为此，它在三个不同的嵌入式平台和一台PC上进行了实现，以根据延迟、帧率(FPS)、执行时间、峰值内存使用、平均CPU利用率和平均CPU温度选择最适合的架构。