大湾大学团队展示了 PhysMamba，这是一种创新的 AI 框架，可通过以下方式测量心率和相关生理信号： 面部视频。远程光电容积描记法 (rPPG) 的这一重要创新提供了一种非接触式健康监测方法，为即时医疗和健康应用开辟了新的机遇。
PhysMamba 与早期主要依赖卷积神经网络 (CNN) 和 Transformer 的 rPPG 方法不同。这些传统的测量方法通常难以准确捕捉心率测量所必需的基本长距离时间依赖性，尤其是在处理较长的视频序列时。PhysMamba 通过引入最先进的时间差异 Mamba (TD-Mamba) 块以及双流 SlowFast 架构来解决这些障碍。通过这样做，该模型可以有效地处理短期和长距离时间特征，从而提高其检测精确生理信号的准确性。您可以阅读论文 这里。
通过对 PURE、UBFC-rPPG 和 MMPD 等基准数据集进行一系列详细实验，PhysMamba 与当前模型相比取得了显著进步。这降低了错误率并提高了心率估计的准确性。该创新框架显著超越了典型的 CNN 和 Transformer 模型，在受光照变化和面部运动影响的现实情况下尤其有效。
CCBR 2024 采用的这一新版 AI 模型是无创生理监测领域的一项重要进展。研究团队发布了 PhysMamba 的代码 在 GitHub 上，为这一激动人心的计算机视觉和健康技术领域提供进一步研究和开发的机会。
