基于PPG脉搏信号特征值的驾驶员脑血管疾病识别模型

U495; 驾驶员的身体状况与交通安全息息相关,尤其是驾驶员的心脑血管健康状况.实时监测驾驶员的健康情况,有助于驾驶员及时了解自己的身体状况,减少因突发疾病导致的交通事故.文中对657份来自广西壮族自治区桂林市人民医院的PPG脉搏波数据集通过Chebyshev Ⅱ 滤波器降噪和快速傅里叶法提取时域特征、频域特征和小波包特征后,将脑血管疾病进行二分类数值化,再将数值标签化后的脑血管疾病类型作为输出参数,以构建驾驶员脑血管疾病数据集.针对实际数据集样本的分类不均衡问题,通过SMOTE算法进行过采样补充,构建基于PPG特征值的驾驶员脑血管疾病分类模型SSA-DELM,并利用实际数据集进行训练和实验,...

Full description

Saved in:
Bibliographic Details
Published in华南理工大学学报（自然科学版） Vol. 51; no. 7; pp. 139 - 150
Main Authors 张嘉讯, 郑秋纳, 余振宇, 黄玲
Format Journal Article
LanguageChinese
Published 新加坡国立大学 设计与工程学院,新加坡 117575%广东省道路运输事务中心,广东 广州 510101%华南理工大学土木与交通学院,广东 广州 510640%华南理工大学土木与交通学院,广东 广州 510640 01.07.2023
东南大学 现代城市交通技术江苏高校协同创新中心,江苏 南京 210096
Subjects
SMOTE algorithm
SSA-DELM模型
disease identification
driver
dynamic health monitoring
驾驶员
PPG signal
动态健康监测
SSA-DELM model
PPG信号
疾病识别
SMOTE算法
Online AccessGet full text
ISSN1000-565X
DOI10.12141/j.issn.1000-565X.220571

Cover

More Information
Summary:U495; 驾驶员的身体状况与交通安全息息相关,尤其是驾驶员的心脑血管健康状况.实时监测驾驶员的健康情况,有助于驾驶员及时了解自己的身体状况,减少因突发疾病导致的交通事故.文中对657份来自广西壮族自治区桂林市人民医院的PPG脉搏波数据集通过Chebyshev Ⅱ 滤波器降噪和快速傅里叶法提取时域特征、频域特征和小波包特征后,将脑血管疾病进行二分类数值化,再将数值标签化后的脑血管疾病类型作为输出参数,以构建驾驶员脑血管疾病数据集.针对实际数据集样本的分类不均衡问题,通过SMOTE算法进行过采样补充,构建基于PPG特征值的驾驶员脑血管疾病分类模型SSA-DELM,并利用实际数据集进行训练和实验,发现所提出的方法对脑血管疾病的预测精确率达83%,查准率达80%,查全率达76.6%、F1分数为0.79,平均查准率均值达0.80,表明该分类模型能够为患有脑梗或脑血管疾病驾驶员提供较为准确的预警.文中研究成果可为基于PPG信号的驾驶员动态健康监测系统提供理论模型基础和技术支持,在新能源汽车行业的软件服务和智能医疗中具有较大的应用空间,这与新能源车企"终端+软件+服务"的全产业链销售模式相契合,也与现代人注重环保、家庭健康和智能交通的理念相契合.
ISSN:1000-565X
DOI:10.12141/j.issn.1000-565X.220571