ウェアラブルな生体認証のための深い腕/耳ECG画像学習

この調査では、セキュリティ/プライバシー要件が増加するスマートヘルスアプリケーションを前進させるために、非標準の便利なECGリード構成とディープラーニング技術の両方が力を与えられた、新しいウェアラブルECGベースのユーザー識別システムを提案します。具体的には、超摩耗性を実現するために、左上腕または耳の後ろにあるすべてのECG電極を位置付け、弱いが識別可能なECG波形を正常に取得することをお勧めします。その後、弱いECGの個人を特定するために、ECGイメージングや深い機能学習/識別など、2段階のフレームワークをさらに提示します。前者の段階では、ECGの心拍数は2D状態空間に投影され、ハートビートの軌跡の動作を明らかにし、分割されたヒット法で2D画像を生成します。第2段階では、重い機能エンジニアリングなしでECG画像表現から複雑なパターンを直接自動的に学習し、ユーザー識別を実行するために、畳み込みニューラルネットワークが導入されます。ウェアラブルプロトタイプを使用して2つの取得したデータセットでの実験結果は、それぞれ98.4％（シングルアーム-ECG）と91.1％（EAR-ECG）の有望な識別率を示しています。私たちの知る限り、それはユーザー識別目的でシングルアームECG/EAR-ECGを使用することの実現可能性に関する最初の研究であり、これはSmart Healthアプリケーションでの広範なECGベースのユーザー識別に貢献すると予想されます。

In this study, to advance smart health applications which have increasing security/privacy requirements, we propose a novel highly wearable ECG-based user identification system, empowered by both non-standard convenient ECG lead configurations and deep learning techniques. Specifically, to achieve a super wearability, we suggest situating all the ECG electrodes on the left upper-arm, or behind the ears, and successfully obtain weak but distinguishable ECG waveforms. Afterwards, to identify individuals from weak ECG, we further present a two-stage framework, including ECG imaging and deep feature learning/identification. In the former stage, the ECG heartbeats are projected to a 2D state space, to reveal heartbeats' trajectory behaviors and produce 2D images by a split-then-hit method. In the second stage, a convolutional neural network is introduced to automatically learn the intricate patterns directly from the ECG image representations without heavy feature engineering, and then perform user identification. Experimental results on two acquired datasets using our wearable prototype, show a promising identification rate of 98.4% (single-arm-ECG) and 91.1% (ear-ECG), respectively. To the best of our knowledge, it is the first study on the feasibility of using single-arm-ECG/ear-ECG for user identification purpose, which is expected to contribute to pervasive ECG-based user identification in smart health applications.