机构名称：
¥ 1.0
摘要 - 心脏病现在已成为一种非常普遍且有影响力的疾病，如果早期介入治疗，实际上很容易避免这种疾病。因此，每天对心脏健康的监测变得越来越重要。现有的移动心脏监测系统主要基于地震核心（SCG）或光摄影学（PPG）。但是，这些方法遭受了不便和其他设备要求的损失，从而阻止人们随时监视自己的心脏。受到我们观察到学生大小和心率变异性（HRV）之间的关系的启发，我们考虑使用瞳孔响应，当用户使用面部识别来解锁手机，以在此期间推断用户的HRV，从而实现心脏监测。为此，我们提出了一个基于计算机视觉的移动HRV监视框架 - 瞳孔，该框架采用移动终端和服务器端设计。在移动终端上，学生在通过前置摄像头解锁手机时从用户那里收集学生大小的信息。然后，在服务器端预处理原始的学生大小数据。特别是，学生使用1-D综合神经网络（1-D CNN）来识别与HRV相关的时间序列特征。此外，学生心脏训练具有三个隐藏层的复发性神经网络（RNN），以建模学生和HRV。采用这种模型，学生每次解锁手机时都会侵入用户的HRV。我们原型学生并进行了实验和领域的研究，以通过招募60名志愿者来充分评估学生的有效性。总体结果表明，学生可以准确预测用户的HRV。
瞳孔：通过移动设备上的瞳孔波动进行心率变异性监测
主要关键词
相关文件推荐
