基于MAE和Mamba的自监督预训练的心率信号测量OA

针对生理信号的远程光电容积脉搏波描记法(rPPG)的特征长序列存在噪声大、标签获取难等问题,本文提出了一种基于掩码自编码器(MAE)和Mamba的自监督预训练的心率信号测量方法。首先,为了有效去除噪声,对视频采用平均池化的方式生成时空图片(STMap)。其次,针对标签获取难的问题,采用自监督MAE的方法对STMap进行掩码和重建,从信号中提取固有的自相似先验信息。此外,在特征提取阶段,本文提出的方法借助Mamba处理长序列的优势,选择性记忆或忽略输入内容,滤除短期扰动波动,保留长期周期数据,提升模型抗干扰能力,且相较于基于Transformer的方法,参数量更少、推理速度更快。在模型设计上,结合STMap每行是面部区域平均池化时间序列的特性,提出双通道注意力模块(DPAM)以增强通道和面部区域的特征提取能力。在两个公开数据集上的测试结果显示,与基于Transformer的自监督方法相比,在UBFC数据集上的平均绝对误差(MeanAE)下降17.65%,在数据集PURE上下降17.50%,同时参数量减少了43%。