WildPPG

WildPPG是一个多模态的PPG数据集，由苏黎世联邦理工学院创建，旨在提供真实世界中的连续PPG记录，以支持心率估计的研究。该数据集包含16名参与者在户外活动中的长时间记录，总计216小时，涵盖了多种身体部位的传感器数据，包括PPG、加速度计、温度和海拔数据。数据集的创建过程模拟了日常生活中的各种活动，如步行、登山、饮食等，旨在解决现有数据集在真实环境中的不足。该数据集可用于开发和评估在复杂环境下的心率估计算法，特别是在穿戴设备中的应用。

WildPPG is a multimodal PPG dataset developed by ETH Zurich. It aims to provide real-world continuous PPG recordings to support research on heart rate estimation. This dataset contains long-duration recordings from 16 participants during outdoor activities, totaling 216 hours, and covers sensor data from multiple body parts including PPG, accelerometer, temperature and elevation data. The dataset was created to simulate various daily activities such as walking, mountain climbing, eating and others, with the goal of addressing the limitations of existing datasets in real-world scenarios. It can be used to develop and evaluate heart rate estimation algorithms in complex environments, especially for wearable device applications.

原始信息汇总

WildPPG: A Real-World PPG Dataset of Long Continuous Recordings

概述

WildPPG 是一个多模态信号数据集，记录了来自穿戴设备在身体四个部位的长时间连续信号。每个设备同步记录了三通道反射式光电容积描记法（红光、绿光、红外 PPG）、三轴惯性传感器（加速度计）、温度和气压高度传感器的数据。作为参考，胸骨设备持续记录了基于体表电极的 Lead-I 心电图（ECG），以提供心率（HR）的地面真实值。

数据集详情

• 数据类型: 多模态信号，包括反射式 PPG、加速度计、温度、气压高度传感器和 ECG。
• 记录时长: 16 名参与者，总计 216 小时。
• 活动类型: 包括步行、远足、爬楼梯、进食、饮水、休息等活动，以及使用汽车、火车、缆车和电梯等交通工具。
• 环境条件: 温度和海拔变化（最高海拔 3,571 米）。
• 设备位置: 四个穿戴设备分别位于身体的不同部位。

数据集特点

• 多模态数据: 每个设备记录了多种传感器数据，包括 PPG、加速度计、温度和气压高度传感器。
• 长时间记录: 数据集涵盖了 13.5 小时的连续记录，反映了日常活动中的生理动态变化。
• 真实世界场景: 数据集捕捉了户外环境中的日常活动，反映了真实世界中的复杂条件。

数据集文件结构

每个参与者提供一个 .mat 格式的 Matlab 数据文件，文件结构如图 3 所示。提供了使用 Python 导入数据的代码。

硬件设计文件

提供了 PPG 采集板的电路图和生产数据（BOM、Gerber/NCDrill、CAD 图纸、拾取和放置文件）。该板可以通过 0.5mm 9Pos FFC（扁平柔性电缆）连接到支持 SPI 通信的任何平台。

参考文献

Manuel Meier, Berken Utku Demirel, 和 Christian Holz. WildPPG: A Real-World PPG Dataset of Long Continuous Recordings. 在 Conference on Neural Information Processing Systems 2024 (Datasets and Benchmarks, NeurIPS).

搜集汇总

数据集介绍

构建方式

WildPPG数据集通过多模态传感器在真实世界环境中进行长时间连续记录构建而成。研究团队招募了16名参与者，在瑞士的户外环境中进行了一系列活动，包括步行、登山、饮食和休息等，持续时间平均为13.5小时。数据采集使用了四个穿戴式设备，分别佩戴在头部、胸部、手腕和脚踝，每个设备记录了反射式光电容积描记法（PPG）信号、加速度计数据、温度和海拔高度。此外，胸部设备还记录了基于导联I的心电图（ECG）信号，作为心率（HR）的参考标准。所有数据均通过同步机制进行记录，确保了多模态信号之间的时间一致性。

特点

WildPPG数据集的主要特点在于其多模态性和真实世界环境下的长时间记录。数据集包含了来自四个身体部位的PPG信号，涵盖了红、绿、红外三种波长，以及加速度计、温度和海拔高度等多模态数据。此外，数据集还包括了与PPG信号同步的ECG信号，提供了心率的参考值。这些数据在户外环境中采集，涵盖了多种活动和环境条件，如温度变化、海拔高度变化等，能够更好地模拟日常生活中的穿戴设备使用场景。

使用方法

WildPPG数据集可用于开发和验证基于PPG信号的心率估计算法，尤其是在真实世界环境中的鲁棒性评估。研究者可以通过分析PPG信号、加速度计数据、温度和海拔高度等多模态数据，结合ECG信号作为参考，开发新的心率估计算法。数据集还提供了多种基线方法的实现，包括启发式方法和监督学习方法，研究者可以在此基础上进行改进和创新。此外，数据集的长时间记录和多模态特性使其适用于多种心血管健康指标的分析，为穿戴设备的算法开发提供了丰富的数据支持。

背景与挑战

背景概述

WildPPG数据集由瑞士苏黎世联邦理工学院的Manuel Meier、Berken Utku Demirel和Christian Holz等人创建，旨在解决现有光体积描记法（PPG）数据集在真实世界条件下心率（HR）估计的局限性。该数据集于2024年发布，包含了16名参与者在户外活动中的长时间连续记录，总时长达到216小时。参与者在瑞士的户外环境中进行了多种活动，如徒步、爬楼梯、饮食和休息等，涵盖了不同的温度和海拔条件。数据集通过四个佩戴在不同身体部位的传感器采集了PPG信号、加速度计、温度和海拔数据，并同步记录了参考心电图（ECG）信号，以提供心率的基准值。WildPPG的发布填补了现有数据集在真实世界条件下PPG信号采集的空白，为开发更鲁棒的心率估计算法提供了宝贵的资源。

当前挑战

WildPPG数据集的构建面临多重挑战。首先，真实世界中的PPG信号容易受到运动伪影、传感器位置偏移以及环境因素（如温度和光照）的影响，这些因素显著降低了心率估计的可靠性。其次，现有的大多数PPG数据集都是在受控的实验室环境中采集的，无法充分反映日常活动中的噪声和变异性。此外，数据集的构建过程中需要确保多模态信号的同步性，尤其是在长时间记录和多设备采集的情况下，信号的同步和校准是一个技术难题。最后，如何在复杂的环境条件下（如高海拔和低温）确保传感器的稳定性和数据的准确性，也是该数据集面临的挑战之一。

常用场景

经典使用场景

WildPPG数据集的经典使用场景主要集中在心率（HR）估计任务中，尤其是在复杂环境下的心率监测。该数据集通过多模态信号的同步记录，包括反射式光电容积描记法（PPG）、加速度计、温度和海拔数据，以及同步的Lead I心电图（ECG）作为参考，为研究人员提供了一个真实的户外活动场景下的心率估计基准。通过分析这些数据，研究人员可以开发和验证在日常活动和不同环境条件下更为鲁棒的心率估计算法。

衍生相关工作

WildPPG数据集的发布催生了一系列相关研究工作，特别是在多模态信号处理和深度学习在心率估计中的应用。例如，研究人员基于该数据集开发了结合温度和PPG信号的深度学习模型，显著提升了心率估计的鲁棒性。此外，该数据集还推动了对多传感器融合技术的研究，探索如何通过融合来自不同身体部位的PPG信号来提高心率估计的准确性。未来，WildPPG有望成为开发更复杂心血管健康监测算法的基础，进一步推动可穿戴设备在医疗健康领域的应用。

数据集最近研究

最新研究方向

近年来，WildPPG数据集在心率估计领域引起了广泛关注，尤其是在复杂环境下的心率监测研究中。该数据集通过多模态信号的同步记录，涵盖了户外活动中的多种生理和环境变化，如温度、海拔和运动状态，为研究人员提供了在真实世界条件下评估心率估计算法的宝贵资源。前沿研究方向主要集中在利用深度学习技术，结合多模态数据（如PPG信号、加速度计、温度等）进行心率估计，特别是在运动和环境变化下的鲁棒性提升。此外，研究人员还探索了不同身体部位和光波长对心率估计精度的影响，以及如何通过融合多源数据来提高算法的泛化能力。这些研究不仅推动了可穿戴设备在健康监测中的应用，还为未来开发更精确、适应性更强的心率监测算法奠定了基础。

相关研究论文

• WildPPG: A Real-World PPG Dataset of Long Continuous Recordings

  苏黎世联邦理工学院 · 2024年