NGHIÊN CỨU PHƯƠNG PHÁP LOẠI BỎ NHIỄU DO CHUYỂN ĐỘNG TRONG TÍN HIỆU PPG SỬ DỤNG AUTOENCODER

Tóm tắt

Công nghệ đo quang thể tích (Photoplethysmography - PPG) sử dụng ánh sáng để phát hiện các thay đổi nhỏ trong thể tích máu ngoại vi, dựa trên khả năng hấp thụ ánh sáng khác nhau của các thành phần mô tuân theo định luật Beer-Lambert. Mặc dù có nhiều ứng dụng tiềm năng trong y tế, tín hiệu PPG rất nhạy cảm với nhiễu do chuyển động (Motion Artifacts - MA) của người dùng, gây khó khăn cho việc thu thập và phân tích dữ liệu. Nghiên cứu này đề xuất một phương pháp ứng dụng trí tuệ nhân tạo (Deep Learning), cụ thể là mô hình mạng nơ-ron Autoencoder, để tự động phát hiện và hỗ trợ loại bỏ các đoạn tín hiệu PPG bị ảnh hưởng bởi MA. Thuật toán được đánh giá trên bộ dữ liệu thực tế thu thập tại Bệnh viện Thống Nhất, đạt độ chính xác 95,2% trong việc phân loại đoạn tín hiệu sạch và nhiễu, cho thấy tiềm năng ứng dụng trong các thiết bị theo dõi sức khỏe sử dụng cảm biến PPG.

Title

RESEARCH ON MONTION ARTIFACTS REMOVAOL IN PPG SIGNAL USING AUTOENCODER

Abstract

Photoplethysmography (PPG) is a technology employing light to measure subtle variations in peripheral blood volume, based on the Beer-Lambert law regarding differential light absorption by tissue components. Despite its potential medical applications, PPG signals are highly susceptible to motion artifacts (MA) caused by user movement, challenging accurate data acquisition and analysis. This study proposes an approach using deep learning (DL), specifically an Autoencoder neural network model, to automatically detect and aid in the removal of MA-corrupted PPG signal segments. Evaluated on a real-world dataset collected from Thong Nhat Hospital, the algorithm achieved 95.2% accuracy in classifying clean versus noisy signal segments, demonstrating its potential applicability in PPG-based health monitoring devices.