研究人员开发了一种新颖的智能体架构,旨在提高腕部光电容积脉搏波描记法(PPG)心率估算的准确性。该系统利用工具和记忆来选择性地纠正由运动伪影引起的错误,这些错误通常会降低单个测量窗口的质量。通过分析脉搏、运动和历史数据,该架构可以预测候选估算值的收益和危害,并指导风险门控以保留、校正或拒绝输出。该系统在四个公开数据集上进行了测试,结果显示平均绝对误差显著降低了高达44.5%,同时还量化了其校正的风险和收益。 AI
影响 该架构通过提高心率数据的准确性,有望带来更可靠的可穿戴健康监测设备。
排序理由 该条目是一篇学术论文,详细介绍了一种用于改进PPG心率估算的新型智能体架构。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- GalaxyPPG
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Litmaps
- photoplethysmogram
- PPG-DaLiA
- ScienceCast
- scite Smart Citations
- WildPPG
- Wrist Exercise
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →