基于贝叶斯深度学习的非接触式心率测量不确定度量化方法

作者：宋仁成; 王晗; 夏豪杰; 成娟; 李畅; 陈勋

来源：2022-06-14, 中国, ZL202210669910.3.

本发明公开了一种基于贝叶斯深度学习的非接触式心率测量不确定度量化方法,其步骤包括：1处理视频得到色差信号,获取数据；2将蒙特卡罗dropout方法应用到非接触式心率测量,构建基于蒙特卡罗dropout方法的心率不确定度量化网络；3确定损失函数,训练网络,获取最佳模型；4量化预测心率的不确定度；5对获得的不确定度进行评价及校准。本发明可在获得预测心率的基础上,直接获得预测的不确定度,并且不确定度与真实误差高度相关,可以在无参考值的情况下,对预测心率进行无参考定量评价,为实现基于视频的长期生理参数监测的实际应用提供解决方案。