Pixel Watch:通过多路径光电容积描记(PPG)技术实现精准的心率检测,并结合基于10,000小时真实生活及健身数据的设备内置深度学习算法进行优化

《IEEE Sensors Letters》:Pixel Watch: Robust Heart Rate Sensing from Multipath PPG and On-Device Deep Learning Trained on 10,000 hours of Free-Living and Fitness Data

【字体: 大 中 小 】 时间:2026年05月19日 来源:IEEE Sensors Letters 2.2

编辑推荐:

   摘要:Pixel Watch 2(PW2)是谷歌首款将多路径光电容积描记法(PPG)与基于深度学习的心率推断技术相结合的智能手表,旨在显著提高在运动强度较高的活动中的感知精度。该设备通过内置的15层时域扩张卷积神经网络处理10个光学通道的数据(该网络包含约300,000个参数)

  

摘要:

Pixel Watch 2(PW2)是谷歌首款将多路径光电容积描记法(PPG)与基于深度学习的心率推断技术相结合的智能手表,旨在显著提高在运动强度较高的活动中的感知精度。该设备通过内置的15层时域扩张卷积神经网络处理10个光学通道的数据(该网络包含约300,000个参数),从而输出1赫兹的心率信号。该模型的关键在于其在庞大的数据集上进行了训练,该数据集包含来自962名参与者的10,000小时活动数据,这些数据来自受控环境和自然生活环境中的各种活动。我们通过两个独立的验证集评估了PW2的感知性能:一个内部健身数据集(229名参与者,250小时数据)和一个外部自然生活数据集(27名参与者,1000多小时数据)。在运动过程中,系统的测量一致性范围为-10.34至8.66次/分钟;在自然生活活动中,这一范围为-6.57至7.48次/分钟,显示出比谷歌之前的设备更低的误差范围。最后,我们讨论了这一设计中的关键经验,强调大规模深度学习在充分利用多路径PPG硬件方面的作用,相较于传统的信号处理方法具有显著优势。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号