谷歌研发通过智能手机摄像头实现无源心率监测系统

谷歌研究院在《自然》杂志上发表了一篇描述被动心率监测系统的文章，该系统利用智能手机的前置摄像头在解锁后几秒内录制面部短视频。通过使用时间卷积神经网络和光电容积描记法，该系统能够估算心率和每日静息心率。训练使用了来自近700名参与者的超过35万个视频片段，确保至少25%的参与者拥有浅色和中等肤色（按Monk量表），33%拥有深色肤色。在实验室条件下，PHRM在所有肤色组中实现了低于10%的平均绝对百分比误差，优于已知的15个rPPG模型。在一项现实世界“自由生活”研究中，231名参与者佩戴心电图胸带和Fitbit Charge 6，经过可靠性过滤后，PHRM的平均绝对百分比误差为6.09%，每日静息心率相对于Fitbit的平均绝对误差为4.39次/分钟，优于5次/分钟的目标。该系统正确反映了静息心率升高与高身体质量指数和低有氧适能之间的关联。深色皮肤参与者的误差略高，但符合准确性标准。研究人员还发布了最大的标注视频数据集和一个预训练的PHRM-mini模型，用于非商业研究。