Оцінка біометричних показників людини з використанням глибокого навчання

Abstract

Практичне значення роботи полягає у створенні відтворюваного програмного підходу до обробки фотоплетизмографічних сигналів і оцінювання частоти серцевих скорочень. Отримані результати демонструють перспективність компактних нейронних моделей для аналізу біометричних показників людини. Основним обмеженням роботи є погіршення якості на рідкісних високих та екстремальних значеннях частоти серцевих скорочень, а також наявність артефактів у референсному каналі.The practical value of the work lies in the development of a reproducible software approach for photoplethysmographic signal processing and heart rate estimation. The obtained results demonstrate the potential of compact neural network models for the analysis of human biometric indicators. The main limitation of the work is reduced performance on rare high and extreme heart rate values, as well as the presence of artifacts in the reference channel.