CardiacMamba: Fair and Robust RGB-RF Fusion for Remote Heart Rate Estimation via State Space Modeling
CardiacMamba 是一个公平且鲁棒的远程心率估计框架，它利用状态空间模型来融合 RGB 和射频（RF）信号，在 EquiPleth 数据集上实现了最先进的性能，同时显著降低了肤色偏差，并保持了对光照变化和传感器退化的韧性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
无需接触皮肤即可测量心跳，长期以来一直是医疗技术的一个梦想，它承诺提供一种隐形且不具侵入性的健康监测方式。多年来，科学家们一直依赖摄像头来捕捉这一生命体征。通过记录由血液在面部泵动引起的皮肤颜色细微且有节奏的变化，这些基于摄像头的系统可以估算心率。这种被称为远程光电容积脉搏图（remote photoplethysmography）的方法在理想条件下表现良好，但在光线变化、人体移动或摄像头观察深色肤色时会遇到困难，因为在这些情况下光学信号更难被检测到。为了解决这个问题，研究人员开始转向另一种类型的传感器：射频雷达。这项技术能够探测由心脏跳动引起的胸壁极其微小的物理振动，这是一种机械信号，不受光照或肤色的影响。然而，雷达本身缺乏摄像头的精细细节，并且容易受到身体运动的干扰。挑战在于如何将这两种截然不同的观察心脏的方式结合成一个单一且可靠的系统，使其无论在何种外观或环境下都能为每个人提供服务。
一组研究人员现在构建了一个名为 CardiacMamba 的新系统，该系统成功地融合了这两股信息流。该团队并没有简单地将来自摄像头和雷达的数据进行堆叠，而是设计了一个框架，让这两种信号能够以一种复杂的方式进行“对话”。他们创建了一个结构，首先分离出每种信号中最重要的部分：摄像头专注于面部的颜色变化，而雷达则聚焦于胸部的微小运动。随后，系统使用一种专门的模型技术来对齐这两类不同的数据，确保颜色变化的节奏与物理振动的节奏相匹配。最后，它通过在频域中过滤噪声来优化组合后的信号，这一过程使最终的心率读数更加精准。这种方法允许系统利用摄像头的优势来填补雷达的空白，反之亦然，从而创造出一种比单一方法更稳定、更鲁棒的测量结果。
在针对评估不同肤色公平性的数据集进行测试时，这一新系统证明了其高效性。它实现了仅 0.96 次/分钟的平均误差，这一精度水平超越了以往所有使用摄像头、雷达或两者结合的方法。更重要的是，该系统解决了该领域的一个长期问题：即基于摄像头的测心率设备对深色皮肤人群的准确性较低的问题。通过依靠雷达检测机械运动的能力（这种能力不受皮肤色素的影响），新的框架将浅色和深色肤色之间的性能差距缩小到了仅 0.26 次/分钟。这表明该系统可以为多样化的人群提供公平的健康监测，这是使非接触式生命体征监测真正走向普适化的关键一步。
研究人员还测试了当其中一个传感器受损或缺失时，系统的表现如何。在摄像头画面因噪声或光照不足而退化的场景下，系统通过更多地依赖雷达数据来维持其准确性。相反，当雷达信号不可用时，系统仍能仅依靠摄像头运行，尽管精度略有下降。这种灵活性意味着该技术具有韧性；即使在设置的某一部分受到干扰时，它也不会完全失效。研究证实，通过这种特定的融合方法整合光学和机械线索，可以创造出一种既高度精确又公平的心率监测器，克服了以往阻碍非接触式健康追踪技术的局限性。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。