Stanovení kvality PPG signálů

Abstract

Tato práce se zabývá hodnocením kvality fotopletysmografických (PPG) signálů. Cílem bylo vytvořit vlastní databázi PPG záznamů a navrhnout algoritmus, který klasifikuje 10sekundové segmenty do tříd kvalitní a nekvalitní. Byly vyvinuty tři klasifikační algoritmy (SVM, KNN, Boosted Trees) založené na 23 extrahovaných příznacích. Nejlepší výsledky na testovací sadě dosáhl model SVM s přesností 73,78 %. Na vlastní sadě dat si nejstabilněji vedl Boosted Trees. Výsledky byly porovnány s existujícími metodami, které sice vykazují vysokou senzitivitu, ale nižší specificitu. Navržený přístup tak přináší spolehlivější hodnocení kvality PPG signálů.

This paper deals with the quality assessment of photoplethysmographic (PPG) signals. The aim was to create a custom database of PPG recordings and to propose an algorithm that classifies 10-second segments into quality and low-quality classes. Three classification algorithms (SVM, KNN, Boosted Trees) were developed based on 23 extracted features. The SVM model achieved the best results on the test set with an accuracy of 73.78 %. Boosted Trees performed the most stable on its own dataset. The results were compared with existing methods, which, although showing high sensitivity, have lower specificity. Thus, the proposed approach provides a more reliable assessment of the quality of PPG signals.