摘要

随着智能手机在我们日常生活中的使用日益增加，这些设备已经具备了执行许多复杂任务的能力。针对老年人或患有某些类型疾病的人群对生命体征连续监测的需求，利用智能手机估算生命体征的算法开发吸引了全球研究人员的关注。特别是，研究人员一直在探索通过可以在智能手机上运行的算法来估算心率、血氧饱和度和呼吸频率等生命体征的方法。然而，许多这些算法需要多个预处理步骤，可能会引入一些实现开销，或者需要设计几个手工制作的阶段以获得最佳结果。为了解决这一问题，本研究提出了一种基于深度学习的新型端到端解决方案，用于移动设备上的生命体征估算，消除了预处理的需要。通过采用全卷积架构，所提出的模型相比使用全连接层作为预测头的架构具有更少的参数和更低的计算复杂度。这也有助于降低过拟合的风险。此外，还提供了一个公开的生命体征估算数据集，其中包括从35名男性和27名女性中收集的62段视频。总体而言，所提出的端到端方法有望显著提高现成消费电子设备上健康监测的效率和性能。