繊維心電図からの人間の活動認識

生理学的信号のための繊維センサーは、日常生活における控えめで継続的な応用の可能性を抱えています。最近、繊維心電図（ECG）センサーが利用可能になりました。これは、心拍数に対する運動の効果が高いため、身体活動のモニタリングに特に興味深いものになりました。この作業では、人間の活動認識（HAR）のための非医療グレードECGシャツを使用して取得した単一リードECG信号の有効性を評価します。健康なボランティア（n = 10）は、コントロールされていない環境で4つの異なるアクティビティ（睡眠、座って、歩く、走る）でシャツを着用し、ECGデータ（256 Hz、12ビット）が保存され、手動でチェックされ、使用できないセグメント（例：センサーなし連絡先）を削除し、合計228時間の録音をもたらしました。信号は、異なる期間（10、30、60S）の短いセグメントで分割され、短時間のフーリエ変換（STFT）を使用してスペクトログラム画像に変換され、最先端の畳み込みニューラルネットワーク（CNN）に供給されました。最適な構成では、F'Lスコアが73％、精度はテストセットで77％になります。leave-one-subject-outの交差検証での結果は、41％から80％の範囲のF'lスコアを示しています。したがって、単一のリード、ウェアラブルで生成されたECGには、HARの有益な価値がある程度あります。将来の仕事では、スマートシャツとセンサーの融合のセンサーをより多く使用することを目指しています。

Textile sensors for physiological signals bear the potential of unobtrusive and continuous application in daily life. Recently, textile electrocardiography (ECG) sensors became available which are of particular interest for physical activity monitoring due to the high effect of exercise on the heart rate. In this work, we evaluate the effectiveness of a single-lead ECG signal acquired using a non-medical-grade ECG shirt for human activity recognition (HAR). Healthy volunteers (N=10) wore the shirt during four different activities (sleeping, sitting, walking, running) in an uncontrolled environment and ECG data (256 Hz, 12 Bit) was stored, manually checked, and unusable segments (e.g. no sensor contact) were removed, resulting in a total of 228 hours of recording. Signals were split in short segments of different duration (10, 30, 60s), transformed using the Short-time Fourier Transform (STFT) to a spectrogram image and fed into a state-of-the-art convolutional neural network (CNN). The best configuration results in an F'l-Score of 73% and an accuracy of 77% on the test set. Results with leave-one-subject-out cross-validation show F'l-Scores ranging from 41 % to 80%. Thus, a single-lead, wearable-generated ECG has an informative value for HAR to a certain extent. In future work, we aim at using more sensors of the smart shirt and sensor fusion.