安全的远程医疗:生物识别技术为远程病人和连续验证

文摘

遥感领域的技术进步已经导致大量的远程医疗行业的增长。尽管卫生保健从业者可能现在监控病人的健康从远程距离和提供他们的服务,缺乏实际存在的安全风险,介绍了主要涉及各方的身份。病人可能采用的传感装置,在家里,收集和传递的重要信号医疗中心应对治疗的决定,尽管缺少坚实的身份验证发射机的身份。从本质上说,远程监控身份欺诈的风险增加卫生保健。提出了一种适用于持续的监控环境生物识别解决方案。系统使用心电图(ECG)信号来提取允许歧视用户独特的特征。在安全、心电图属于的范畴医学生物识别技术一个相对年轻,但有前途的生物安全领域的解决方案。在这部作品中,作者调查国内远程控制的特殊属性,可能影响心电图信号和妥协的安全。心理变化对心电图波形的影响考虑设计一个健壮的生物识别系统,可以识别用户基于心脏信号尽管身体或情感上的变化。

1。介绍

许多严重的疾病,如糖尿病,高血压,或呼吸系统疾病,住院可能并不总是合理的或需要的地方,家庭护理传统上是首选。此外,医生的访问病人的家庭不一定是一个高效率的解决方案。这是因为(i)的高额医疗费用的服务是不可取的;(2)可能是不可行的人员达到高度的农村地区;和(3)监测通常需要在一个连续的基础上,而不是每次。家庭远程控制现在是一个现实,解决上述问题非常有效,也就是说,它不仅是合算的,但也可以达到孤立的社区和允许24小时报告病人的状态。

然而,广泛利用远程控制增加了卫生保健的身份欺诈风险。由于缺少实际存在的时候收集的医疗信息(例如,至关重要的信号),用户的身份传播各自的信息是不确定的。通常,每一个监控设备被分配一个惟一的ID(例如,一个串行代码),以识别发射器。然而,这只是部分解决问题,因为这种策略识别设备但不利用它的人。需要认证的一种方式是直接相关的用户和不断可以识别这个人。

传统的身份认证方法包括用户的东西记得(例如,密码,密码)或拥有(如身份证、令牌)。这两种方法都能有效地解决远程认证的问题,因为他们不能以连续的方式执行。是不实际去让用户密码身份验证会话期间监控。此外,上述实体可以很容易被盗或遗忘。介绍了生物安全这个问题作为替代。连接身份和身体特征不能被遗忘或容易被盗提供密封的安全。

在这部作品中,心电图信号提出了远程监控的身份验证设置。这种选择背后的基本原理是,这个信号收集的很可能是经常在这样的环境中,它通常用于医学诊断的心脏和非心脏条件。此外,相对于“静态”的脸或虹膜图像,适合连续的心电图信号是与时间有关的认证以来每几秒就可以获得新鲜的阅读和用于reauthenticate特定用户。

从安全的角度,心电图属于的范畴医学生物识别技术,生理特征,通常在医疗环境中用于临床诊断。然而,有证据表明,一些重要信号如心电图、心音图(PCG) photoplethysmogram (PPG)和血容量压力(BVP)携带信息对于每一个个体,这是独特的1- - - - - -5]。传感技术的发展,生物特征识别潜在的使用这些信号是伟大的。虽然这项工作涉及人类身份验证使用心电图信号的问题,类似的概念对于大多数医学生物识别方法是有效的。

固有的心电生物识别提供了活性检测计算的优势,因为大多数现有的模式将需要额外的机制来验证活性传感器的读数。此外,心电图是自然免疫伪造或重播攻击,因为它是极其困难的窃取和注入某人的心电生物识别系统。心脏信号是普遍的、稳定的大型一段时间,足够独特。主体间变异性来自这样一个事实:心电图图片心肌的电生理变化和影响因素,如心脏质量定位、电导率的心脏肌肉和激活顺序(6,7]。这种可变性在医学研究进行了广泛的调查,建立通用的诊断标准(8]。

影响心电图波形的因素可分为生理或心理上的。虽然由于心电图运动降低心率增加“时期”(实际上这个信号是准周期的),情绪也可能改变心电图波形。生理和心理因素之间的相互作用在ECG信号是模糊的,有证据表明,情感活动直接影响心电图波形(9- - - - - -11]。心电图的这方面是非常重要的,当部署生物特征识别,因为它可以显著影响总体精度。福利监测环境,生理和心理上的变化预计,一个需要考虑这些影响。

这项工作的目标是首先证明主体的心理状态的变化可能会影响心电生物识别模板和第二提供福利监视应用程序来解决这一问题。而情感活动可以妥协的稳定性和鲁棒性生物特征模板,之前的作品集中在只是身体活动的影响。在这项工作中,模板更新方法,提出了自动适应用户的心理状态来对待错误的拒绝。

2。心电图(ECG)

心电图是使用最广泛的信号在卫生保健。记录在身体的表面,与电极在各配置,研究了心电信号的诊断在疾病的早期阶段。本质上,这个信号描述心脏的电活动随着时间的推移和图片的顺序去极化和复极化的不同肌肉形成心肌。

心电图是准周期的信号,由连续的心跳。每一个心跳都有三个基本组件如下:波,QRS复杂的,波。的波描述右和左心房的去极化。这波的幅度相对较小,因为心房肌质量是有限的。的QRS复杂的是最大的三个,因为它代表了左、右心室去极化,是心中最重要的质量。最后,有一个相对较小的振幅和它描绘了心室复极化。

在正常的生理变化,也就是说,当心率增加由于体力活动(心动过速),或者减少由于冥想的任务(心动过缓)的相对位置波可能会有所不同。尽管这通常是观察后约300毫秒QRS复杂,似乎更接近QRS复杂的速度快速,以缓慢的速度远12]。这种变化不是很明显的波和QRS复杂的,更稳定的心脏周期的组件。

虽然身体活动对ECG信号的影响已经很成熟,心理变化的反应是更模糊。自主神经系统(ANS)神经末梢在心肌内发挥重要作用的心输出量,因为他们影响肌肉输送血液的节奏。交感神经系统运行的纤维沿着心房和心室,当激活刺激心肌增加心率。另一方面,副交感神经系统降低了心脏的工作量。在存在精神压力特别,交感神经系统支配的副交感神经,导致以下反应的影响(13]。(1)自动性:内在脉冲发射(自动性)起搏细胞增加,这会直接增加心率。(2)收缩性:在每一个心脏的收缩纤维缩短,而在体内平衡,从而增加收缩的力量。(3)传导率:自然起搏器、SA节点,被迫进行得更快。(4)兴奋性:在交感神经刺激,增加了洞察力对内部和外部的刺激,从而增加心肌的易怒和可能导致异位搏动。(5)扩张冠状血管:冠状血管的直径增加,其次是心肌血流量增加。

虽然有几个开放问题的确切影响心电图对于每一个经验丰富的情感,从这个波形检测情感的能力已被证明在9]。这项工作表明,心理活动对心电图波形的影响足以危及生物的准确性非常重要。

3所示。心电图在生物特征识别

之前在心电生物识别领域工作可以分为基准点依赖或独立。基准点是特定的兴趣点在一个心电图心跳如发病和心跳的抵消。Fiducial-based方法依赖于心脏跳动的地方特色生物模板设计,如颞或振幅连续基准的点之间的区别。另一方面,置信点独立的方法治疗ECG信号或孤立的心跳整体和提取特征统计基于波形的整体形态。

这两种方法各有优点和缺点。虽然fiducial-oriented特性风险识别信息隐藏在小姐的整体形态生物形态,整体方法处理大量的冗余信息,需要消除。在后一种情况下所面临的挑战是将这些信息的方式intrasubject可变性是最小化主体是最大化。对于心电图的情况,检测基准的点是一个非常模糊的过程由于高可变性的信号。事实上,没有举世公认的规则,可以引导这个检测7]。

3.1。Fiducial-Dependent方法

最早在该地区是比尔et al。(14)的提议,2001年的基准特征提取算法,证明人类识别使用心电图信号的可行性。标准12导系统被用来记录信号来自20个不同年龄段的主题。Kyoso和中山教授15提出了心电生物识别四个fiducial-based特征,即波持续时间,魁人党间隔,QRS复杂的,QT持续时间和生物识别精度达到94.2%。

2002年,沈et al。16]报告ECG-based七fiducial-based特性与识别方法QRS复杂。底层的想法是,这波是由不同心率的影响较小,因此适合生物特征识别。更完整的生物特征识别测试报告,2004年被以色列et al。1]。这项工作提出了心电生物识别的三个明显的阶段,即预处理、特征提取和分类。此外,各种各样的实验设置中描述(1考试等)变化由于电极位置和身体压力。

同样,印度和克里希南(17)使用一种形式,它是一个测量信号的复杂性,使用神经网络分类器和测试。实现了97.6%的辨识率超过10个人的录音。金等。18)提出了一种时域方法规范化特征upsampling心跳。以类似的方式,Saechia et al ., (19]规范化健康持续时间,然后分为三个子序列:波,QRS复杂的,波。傅里叶变换应用在一个心跳本身和所有三个子序列。

张,魏20.)建议14常用特性从心电图的心跳PCA应用于降低维数。提出了一种基于贝叶斯定理的分类方法来最大化后验概率先验概率和class-conditional密度。辛格和古普塔(21提出了一种方法来描述和波形的精确的特征提取。Boumbarov et al。22)研究了不同模型如HMM-GMM隐马尔可夫模型(高斯混合模型),HMM-SGM(隐马尔科夫模型与单高斯模型)和CRF(条件随机场),来确定不同基准的点在一个心电图,其次是PCA和LDA进行降维。Ting和Salleh23]2010年心电图的非线性动力学模型来表示状态空间形式与后推断的扩展卡尔曼滤波器。

另一个fiducial-based方法提出了陶菲克et al。24]。在这部作品中,心电图段之间QRS复杂的和波第一次提取时域和规范化使用弗雷明汉校正公式或假定常数QT时间间隔。DCT被应用,系数被送入神经网络进行分类。总之,尽管许多fiducial-based ECG-based生物测定方法已报告,准确定位基准的点仍然是一个巨大的挑战。这种模糊性可能各自识别器的准确性,需要这样的点的精确位置。的可能事件未能充分确定这些点的位置,对准方法宁愿拒绝心跳,需要一个额外的阅读,而不是冒着他们的决定的准确性。然而,这导致增加排斥率。

3.2。Fiducial-Independent方法

大多数nonfiducial方法被报道在2006年之后。最早是Plataniotis et al。(25(建议一个自相关)- AC -基于特征提取器。的目标捕获心电图的重复模式,作者建议的AC心电图段来避免置信点检测。Wubbeler et al。4)也报道的人类识别器ECG-based提取生物特性的结合导致我,II, III,也就是说,一个二维的心向量也称为心电图的特点。心电图的方法合成提出了莫利纳et al。26]。心跳是规范化并与它的估计,这是以前由本身的模板声称的身份。陈等人。27]报道ECG信号收集的手指通过要求参与者持有两个电极垫用大拇指和食指。小波距离作为相似性度量的分类精度为89.1%,表现优于其他方法,如百分比剩余距离和相关系数。赵et al。28)提出了利用DWT一些孤立的脉冲。更确切地说,每一个心跳决心心电图信号,为43个样本向后和向前84个样本峰值。DWT用于特征提取和欧氏距离作为相似性度量。

Fatemian和Hatzinakos29日]还建议ECG信号的小波变换降噪和描绘,紧随其后的是一个过程在每一个心跳重新取样,规范化,平均对齐,创建一个强大的模板/主题。相关分析是直接应用于测试心跳和模板自画廊规模大大减少。

光谱图是用于(30.)变换时频垃圾箱的心电图为一组由独立正态分布建模。降维是基于Kullback-Leibler散度,选择一个功能只有本身之间的相对熵和名义模型(这是所有科目的声谱图数据库)大于某个阈值。你们et al。5)应用离散小波变换(DWT)和独立分量分析(ICA)心电图心跳部分获得118和18特性,分别。特征向量是连接。特征空间的维数随后从136减少到26使用PCA保留99%的数据的方差。Coutinho et al。31日孤立的心脏跳动和执行一个8位统一量化将心电图样本映射到从256 -符号字母字符串。自回归建模用于(32],cepstral域研究[33]。

很明显从上面的,各种各样的fiducial-independent技术已经提出了心电生物识别分析。虽然有些方法都比其他人更多的计算量,或者他们作用于心脏跳动而不是有限的心电图段,实际上有很多开放的问题在文献中关于心电生物识别技术。中最著名的是信号稳定性的问题,或永久,随着时间的推移。之前的大多数作品没有检查心电图信号随时间的演变。在某种程度上,intrasubject可变性的ECG信号的来源被忽视了。我们提倡心电图波形影响因素,这可能呈现生物模板不准确,应该仔细研究和考虑,使现实生活中的部署这项技术。

4所示。自相关/线性判别分析方法

心电生物识别技术本质上是一个模式识别问题,由三个不同的步骤,也就是说,预处理,特征提取,和分类。

预处理
心电图数据在原始格式包含高(电力线干扰)和低频噪声(基线漂移),需要消除。基线漂移力信号是由低频组件扩展等电点线。这种构件的来源是呼吸,身体运动,或电极附件不足。电力线干扰是由与附近的设备接地不良或冲突。

为了减少噪声的影响,一个是4阶巴特沃斯带通滤波器的使用。基于每一波的谱性质的心跳,滤波器的截止频率是1赫兹和40 Hz。过滤器的顺序和通带频率选择基于实证结果(34,35]。

特征提取
如前所述,提出的特征提取方法的核心是ECG信号的自相关(AC)。交流的理由是,它捕获的重复属性ECG信号的方式,只有重要,迭代组件导致波形,即波,QRS复杂的,波。通过分析交流,附带的模式低辨别力减毒,而持久的辨别力的组件了。

交流对背后的三段论置信点检测是混合,成一系列的产品,心电图样品,否则需要进行基准检测。此外,相似性的交流允许移不变的表示特性在多个周期。交流可以计算 在哪里是有窗的心电图,的时移版本视窗化心电图滞后的。尽管交流的主要贡献者是三个特征波,标准化是必需的,因为大的振幅的变化出现,即使在同一主题的窗户。此外,只有一段LDA的交流媒介传播,定义之间的零延迟实例和大约的长度波和QRS复杂。这是因为这些组件是最不受心率变异性的影响7]。

可以直接使用一个AC向量进行分类。然而,重要的是要进一步减少intrasubject可变性为了控制错误的拒绝。此外,根据ECG信号的采样频率,一个交流窗口的维度可以相当高。由于这些原因的线性判别分析(LDA)是降维的招募。

LDA特征提取是一个著名的机器学习方法。执行监督学习在变换域,这样交流矢量的维数减少,类是更好的分离。剩下的讨论是基于以下定义。(我)让类的数量,即系统中注册的。(2)让为一个主题交流窗口的数量(类),在那里。(3)我们定义为一个交流窗口,在那里和。(iv)让一个主题是交流窗口的设置(类),定义为。(v)让是一个训练集组成的交流窗口的所有主题,也就是说,。

然后一组特征基向量可以通过最大化费舍尔比估计相当于求解特征值问题如下: 在哪里和和分别是组间和组内散射矩阵,计算如下: 在哪里是类的意思吗和windows和总数吗。

费舍尔的最大化的比例相当于迫使大分离投影心电图windows之间的不同的主题和小方差相同的主题。LDA发现随着最重要的特征向量对应于第一最大特征值。测试输入窗口受到线性投影吗之前,分类。本工作的目的,被称为生物模板。

重要的是要注意,心电生物识别技术受益于监督机器学习方法比其他生物识别模式。这是因为这个信号的动态和时间性质导致组内变异生物表现出高于传统的生物形式。与LDA基本上可以控制错误的接受和虚假拒绝。

分类
生物识别匹配,输入和画廊模板相关联使用欧氏距离作为衡量不同,而最后的决定是由在投票最近的邻居。规范化的欧氏距离计算如下: 在哪里特征向量的维数。对于一个类问题,LDA可以降低特征空间的维数由于这类间散布矩阵的秩无法超越。

5。模板由于情绪不稳定

可靠的生物识别解决方案的设计的核心是研究因素可能影响生物信号。在心电图的情况下,这些因素可能是生理,心理,或环境。肌肉收缩和运动、体液和电力线干扰的环境因素,对信号的影响,添加后的一代。典型的噪音过滤器,如巴特沃斯等解决满足工件。

健康的生理变化通常是表达了心率的变化。从医学的角度来看,这是一个被充分研究过的效果。从生物安全的角度提出的这种变化可能的探索方面的信号保持不变的,也就是说,波和QRS复杂的(7]。例如,在AC / LDA方法,只有一段交流向量对应这些波是用于LDA投影。

然而,心理学对ECG信号的影响也没有定义。而这个信号一直被应用在情感计算(10,11,36- - - - - -42]在大多数这样的情况下,心率是为了确定使用唤醒水平。心电图波形(不仅仅是心率)也被检查的价分类(9]。证明,它可以检测特定情绪的心电图信号只要情绪刺激是活跃的。(活跃的刺激情绪诱导过程中参与主体(例如,视频游戏,阅读,唱歌)。被动刺激了这个话题没有他/她的直接接触(如看电影,听音乐))。

在家里远程控制环境中活跃兴奋是不可避免的情感刺激存在于日常活动。因此,重要的是研究心电图上的情绪变化是否可以妥协各自的生物特征模板。在[2),结果表明:长记录时间,虽然科目执行日常工作活动,心电生物识别模板可能破坏,也就是说,变化在一定程度上危及安全。而报告的实验程序2)没有特定情绪,认为心理学是在ECG信号变化的根本原因。

当前工作的目的是双重的:(1)关联,在一个监控会话,模板的实例与情绪变化不稳定;(2)上述问题提供一个解决方案基于生物特征模板更新。

读者应该注意到,上述两个目标不直接包含的方法来检测特定情绪或分类。虽然实验程序设计为了触发特定的情绪反应,确定哪些情感经历超出了目前的工作范围,单独处理(9]。

6。情感启发式和心电图信号

以下实验是由多伦多大学的影响和认知实验室。目的是引起积极的精神觉醒使用商业视频游戏。

在实践中实验试图让玩家逐渐沉浸,越来越集中,以满足游戏需求。研究平台视频游戏使用,即多维数据集2:醋焖牛肉(http://sauerbraten.org/)。飞行员游戏建于协助实验的需要。受试者有动机与欺骗,让他们知道实验的目的是测量完成时间。

所有与会者都坐在电脑屏幕前,看到一个简短的介绍视频游戏。五分钟飞行员游戏了,游戏参与者学习和调整。在此期间,没有监控的生理反应。主题的过程感到满意时,心电图传感器放置的主要游戏开始。总共43名志愿者参与了这项研究。数据从一个人丢弃由于过度的噪音。

根据主体的熟悉游戏,实验不同的持续时间20到45分钟。在比赛中,心电图监测使用伊达尔戈equivital传感器,便携式和无线。Unobtrusiveness非常重要的主题是自然沉浸在游戏中。从胸部和数字化心电图记录在256赫兹。

因为游戏的随机特性和不可预见的事件发生,唤起注释是自主的。由于这个原因,一个视频播放器的面部表情在比赛期间被捕心电图(同步)。游戏完成后,受试者被要求观看回放视频游戏和他们的面部表情而不断报道唤起使用FEELTRACE [43]。图1这样一个自我评估视频展示了一个示例,图2说明了数据标识方案。

7所示。模板更新

底层的建议的方法是更新心电生物识别模板的实例不稳定由于心理变化。替代这个解决方案是preenrol主题与许多不同的模板以及情绪反应的光谱。然而,这不是一个实际的解决方案,因为它不是可行的诱导需求等条件或保证一个确实做得很成功。此外,这种方法为现实世界的环境会很不方便。

在拟议的系统中,用户可以注册一次,通过提交他/她的ECG信号无关的心理状态。作为回报,在正常操作期间,当系统检测到现有的生物模板已经稳定,也就是说,用新捕获的心电图导致低质量的匹配部分,创建一个新的生物特征模板来代替第一。因此,后续分析的目的是更新实例对应于不稳定或生物特征模板脱散之间的相关性分数连续心电图阅读和生物特征模板。

评价心电图数据一致性的讨论(2,3]。采用同样的方法在当前的分析;然而目前的工作的目标是把不稳定的实例和心理变化。

提出系统结构变长时间累积的心电图部分基于一些基本时间持续时间。积累的部分需要一致的,也就是说,互相表现出高度的相关性(intraburst相关性)。观察脱散时,模板更新基于最新发起的心电图段。在实践中,有一个模板更新的频率和计算复杂度之间的权衡。频繁的模板更新意味着准确的跟踪事件,但增加了计算工作。另一方面,罕见的模板更新不足可能会导致系统性能的增加错误的拒绝。有效地解决这个问题,最低时间是迫使系统作出决定是否需要更新的模板。在一个极端的例子可以定义这个最小时间等于系统中最小的时间分辨率,即基本持续时间(AC / LDA算法5秒)。然而,这是计算效率低下,因此更新实例需要的战略选择。

一个积累(或持续时间变长破裂)是由积累各种基本持续时间(AC / LDA算法,提出这些基本时间对应于心电图段长度5秒)。下列迭代描述。

考虑以下基本的持续时间,每个对应于时间的持续时间5秒。这个时间是选择可接受适应的时间分辨率要求AC / LDA算法。现在假设,在当前迭代,当前破裂,,包含基本的时间,也就是说,。在随后的部分,两个选择如下。(C1)添加当前破裂,形成。继续操作作为下一个候选人。(C2)拒绝和终止。重新启动,开始一个新的破裂。

使用相关系数的估计intraburst之间的连贯性和允许系统来决定(C1)或(C2)如下。(1)计算的相关资料相对于起始点。(2)找到最小相关值在。(3)一个阈值进行比较决定:

为了占缓冲问题,连同必要的最低破裂时间,这一系统也可以利用最大持续时间(例如,),当达到,部队系统更新生物特征模板。通过这种处理算法可以复位。

对当前分析的目的,随后的过程旨在验证每一个连贯的破裂描述了一个真实的情绪状态。要做到这一点,一个措施介绍了描述系统的信心破灭代表了一贯的情绪状态。如前所述在信号采集部分,每个ECG窗口(在破灭)是贴上高()或低()唤醒。让和窗户的数量标记为高和低刺激,分别。然后可以计算为

如果模板更新成功,每一个破灭所标识的更新算法应该有一个高高信心,这意味着每个破裂对应于高或低唤醒。

读者应该注意到,这项工作的目的是不要自动检测的情绪状态。情感计算是一个信心后验验证演示实例的巧合的情感变化和不稳定生物特征模板。

8。实验结果

提出了模板更新算法的性能评估在emotion-annotated心电图信号。心电图数据可用于视频游戏的持续时间,如前所述6。每一个阅读的最初几秒被用于初始化,也就是说,最初的生物特征模板的设计。然后在续集,这个模板的相关后续心电图数据确定,如果不够,模板更新。

模板更新的数量在30分钟内游戏会话个体的不同而变化。主题非常情感一致的只需要一个模板更新而其他更新的八倍。

结果如图所示3这列表值(百分比)为所有检测到的数据库中的所有对象。尽管这种方法依赖于受试者的自我报告和差异预计,脉冲的平均状态的信心是96.47%。这个性能说明检测的准确性齐次的情绪状态,从而导致成功的模板更新。现在,考虑生物特征识别的原始问题爆发时终止由于退相干系统执行模板更新。上述结果表明,每个破裂时对应于高唤起或低唤醒,自然出现的问题如下:连续两个脉冲对应相反唤醒标签吗?换句话说,兴奋的唯一因素是变化负责破裂终止?

在实践中,模板更新算法不仅受到情绪的影响。破裂可能中断由于以下三个原因之一。(1)一个状态改变,也就是说,从一个心理状态转换到另一个。(2)缓冲区溢出,也就是说,当是达到了。可以根据应用程序的需求调整环境。目前模拟被设置为10分钟。(3)噪音的工件(例如,由于突然运动),没有足够的治疗的过滤器。

然而,一个模板更新在所有情况下都是必要的。

数据库中的每一个人,一个模板更新每次检测到一个新的破裂。量化精度验证模板更新后,错误的接受(FA)和拒绝(FR)率估计为每一个单独个体。表1列出了平等的错误率(曾经描述了错误的错误的概率接受平等的虚假拒绝),实现治疗,所有科目的活跃兴奋的数据集。等于平均错误率在这种情况下是3.96%。应该注意的是,基线系统性能没有模板更新导致15%的曾经。图4展示了FA和FR权衡9个随机选择的个体。在每个仿真FA更新模板的计算和比较一个个体对剩下的数据库中的对象。

一个参数控制上述分析,即阈值的相关系数用于确定一致性。随着阈值的增加,更强的连贯性对破裂,导致较小的曾经,如图5。但是,这是需要代价的,更频繁的模板更新(即。、更高的成本和复杂性)。

9。结论

在这项工作中,小说身份识别系统提出了基于心电信号。提议的生物识别解决方案适用于福利需要远程监控环境,高效、连续认证涉及的当事人。在这样的设置中,心电图通常是收集其他至关重要的信号,用于诊断和治疗决策。身份验证依赖同一形态不仅增加安全和便利,也增强了用户隐私,因为没有其他凭证都必须执行这个任务。

这种技术具有显著的优势,其中大部分来自事实,心电图是体内的信号。例如,ECG-enabled生物识别系统可以自动和固有的评估生物的“活性”阅读。情况不是这样与传统生物形式(例如,虹膜和指纹),需要额外的计算评估传感器读数的活性。此外,心电图是一个连续信号,可以方便地用于验证用户多次,每次使用一个新鲜的阅读。

本文解决的问题intrasubject ECG信号的变化由于心理变化。这是证明生物签名设计在一个特定的时间可能不允许健壮的匹配在稍后的时间,不同的情感条件下(模板不稳定)。提出了一种解决方案基于模板更新福利监控环境。性能是评价心电图信号从43个志愿者,各种激励条件下诱导的视频游戏。平均而言,一个平等实现的错误率为3.96%,代表曾经的显著减少15%为特定数据集没有模板的更新。

承认

这项工作是支持的加拿大自然科学和工程研究理事会(NSERC)。

引用

1. s . a .以色列,j·m·欧文,a . Cheng m . d .互联网和b .《互联网“心电图来识别个体,”模式识别,38卷,不。1,第142 - 133页,2005。视图:出版商的网站|谷歌学术搜索
2. f . Agrafioti Bui, f·m·d . Hatzinakos,“医学生物识别技术:忽视了时间依赖的危险,”IEEE学报》3日国际会议上生物识别技术:理论,应用程序和系统(bta ' 09)美国,页1 - 6,华盛顿特区,2009年9月。视图:出版商的网站|谷歌学术搜索
3. f . Agrafioti Bui, f·m·d . Hatzinakos,“移动健康监测、医学生物识别技术”安全性和通信网络,4卷,不。5,525 - 539年,2011页。视图:出版商的网站|谷歌学术搜索
4. g . Wubbeler m·斯塔夫里蒂斯将军d . Kreiseler r·d·Bousseljot和c·埃尔斯特,“验证人类使用心电图,”模式识别的字母,28卷,不。10日,1172 - 1175年,2007页。视图:出版商的网站|谷歌学术搜索
5. c .你们、m . t . Coimbra和b . v . k . v . Kumar“调查人类识别使用两家牵头心电图(ECG)信号,”学报》第四届IEEE国际会议上生物识别技术:理论,应用程序和系统(bta”10)2010年9月,页1 - 8,。视图:出版商的网站|谷歌学术搜索
6. g . Kozmann r . l .勒克斯,l . s .绿色“几何因素影响个人间的变异性,心电图和向量”心电学杂志》33卷,第227 - 219页,2000年。视图:出版商的网站|谷歌学术搜索
7. r . Hoekema g . j . h . Uijen, a . Van Oosterom“几何方面的个人间的变异性多引入线的心电图记录,“IEEE生物医学工程,48卷,不。5,551 - 559年,2001页。视图:出版商的网站|谷歌学术搜索
8. h·w·德雷珀,c . j . pef f·w·Stallmann Littmann, d和h v . Pipberger”在510年修正后的正交心电图及心电向量图正常男性(Frank铅系统),“循环,30卷,第864 - 853页,1964年。视图:谷歌学术搜索
9. f . Agrafioti、d . Hatzinakos和a·安德森,“情感检测心电图模式分析,”IEEE情感计算,3卷,第115 - 102页,2012年。视图:谷歌学术搜索
10. g . n . Yannakakis j·哈勒姆,h·h·隆德,“娱乐捕获通过心率活动在物理互动操场,”用户建模和User-Adapted交互,18卷,不。1 - 2、207 - 243年,2008页。视图:出版商的网站|谷歌学术搜索
11. s . Tognetti m . Garbarino a·t·布莱诺m . Matteucci和a . Bonarini”享受生理数据的识别一个赛车游戏,”第三届ACM学报》研讨会上情感互动的自然环境(仿射”10)2010年10月,页3 - 8,。视图:出版商的网站|谷歌学术搜索
12. l . Sornmo和p .拉古纳生物电在心脏和神经信号处理应用程序,爱思唯尔,2005年。
13. j . t . Catalano心电图分析指南J.B. Lippincott,费城,宾夕法尼亚州,美国,1993年。
14. l .比尔o·佩特森、l . Philipson和p .宽,“心电图分析:人类识别的新方法,”IEEE仪表和测量,50卷,不。3、808 - 812年,2001页。视图:出版商的网站|谷歌学术搜索
15. m . Kyoso和a .中山教授“心电图识别系统的发展,”第23届国际会议的程序IEEE在医学和生物学社会工程4卷,第3723 - 3721页,2001年10月。视图:谷歌学术搜索
16. t·w·沈、w·j·汤普金斯和y . h .胡锦涛,“一个心电图进行身份核实,”第二届IEEE会议在医学和生物学社会工程2002年10月,页62 - 63。视图:谷歌学术搜索
17. r .印度和s·m·克里希,“识别个人使用心电节拍,”国际会议信号处理和通信学报》(SPCOM ' 04)2004年12月,页569 - 572。视图:谷歌学术搜索
18. t·h·k . s . Kim Yoon, j·w·李,d . j . Kim和h·s·古,”一个健壮的人类规范化心电图的时域特性,鉴定”第27届国际研讨会论文集,生物医学工程学会(IEEE-EMBS ' 05)2005年9月,页1114 - 1117。视图:谷歌学术搜索
19. s . Saechia j . Koseeyaporn, p . Wardkein“人类识别系统为基础的心电图信号,”IEEE 10地区研讨会论文集(TENCON ' 05)2005年11月,页1 - 4,。视图:出版商的网站|谷歌学术搜索
20. z张和d,“一个新的心电图识别方法使用贝叶斯定理”IEEE 10地区研讨会论文集(TENCON 06年)2006年11月,页1 - 4,。视图:出版商的网站|谷歌学术搜索
21. 辛格y . n和p·古普塔,“心电图个人识别,”在生物识别技术学报IEEE国际会议:理论,应用程序和系统2008年10月,页1 - 8,。视图:出版商的网站|谷歌学术搜索
22. o . Boumbarov y Velchev,美国武器,“心电图个人识别使用径向基神经网络,在子空间”学报》第五届IEEE国际研讨会智能数据采集和先进的计算系统:技术和应用程序(IDAACS ' 09)2009年9月,页446 - 451。视图:出版商的网站|谷歌学术搜索
23. c . m . Ting, s . h . Salleh心电图个人识别使用扩展卡尔曼滤波为基础,”诉讼信息科学国际会议10日信号处理及其应用(ISSPA 10)2010年5月,页774 - 777。视图:出版商的网站|谷歌学术搜索
24. m . m .陶菲克、h·斯莱姆和t·卡马尔“人类识别使用时间规范化QT信号和心电图的QRS波群,”学报》第七届国际研讨会上通信系统,网络和数字信号处理(CSNDSP 10)2010年7月,页755 - 759。视图:谷歌学术搜索
25. k . n . Plataniotis d Hatzinakos, j·k·m·李,“没有基准检测心电生物识别,”生物识别技术研讨会的诉讼2006年9月美国巴尔的摩,马里兰州。视图:出版商的网站|谷歌学术搜索
26. g·g·莫利纳f . Bruekers c . Presura m . Damstra范德维恩和m .,“形态合成ECG信号的人认证,”学报》15日欧洲信号处理的会议,2007年波兰。视图:谷歌学术搜索
27. m·m·a . d . c . Chan Hamdy, a·巴德雷和诉Badee,“小波人识别距离测量使用心电图,”IEEE仪表和测量卷,57号2、248 - 253年,2008页。视图:出版商的网站|谷歌学术搜索
28. 赵c . c, c . m .壮族和c . y .许”小说个人身份验证方法使用离散小波变换的心电信号,”国际会议多媒体和无处不在的工程学报》(MUE ' 08)2008年4月,页201 - 206。视图:出版商的网站|谷歌学术搜索
29. s . z Fatemian和d . Hatzinakos”,一种新的生物特征识别心电图特征提取器,”学报》第16届国际会议上数字信号处理2009年7月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
30. Odinaka, p h .赖公元卡普兰et al .,“心电生物识别技术:一个健壮的短期频率分析,”2010年IEEE国际研讨会取证和安全信息,如20102010年12月,页1 - 6,。视图:出版商的网站|谷歌学术搜索
31. d . p . Coutinho) a . l . n .弗雷德和m·a·t·Figueiredo”一个ECG-based个人识别使用Ziv-Merhav交叉解析,”20国际会议的程序模式识别(ICPR 10)2010年8月,页3858 - 3861。视图:出版商的网站|谷歌学术搜索
32. n Ghofrani和r . Bostani ECG-based生物系统可靠的特性,”在生物医学工程学报17伊朗会议(ICBME 10)2010年11月,页1 - 5,。视图:出版商的网站|谷歌学术搜索
33. m·李和美国Narayanan健壮的心电生物识别技术在融合时间和cepstral信息”20国际会议的程序模式识别(ICPR 10)2010年8月,页1326 - 1329。视图:出版商的网站|谷歌学术搜索
34. f . Agrafioti和d . Hatzinakos心电图识别使用二阶统计信息,”学报第六届年度通信网络和服务研究会议(CNSR ' 08)哈利法克斯,页82 - 87年,英国,2008年5月。视图:出版商的网站|谷歌学术搜索
35. f . Agrafioti和d . Hatzinakos融合人类识别心电图来源,”学报》第三届国际研讨会通信、控制和信号处理(ISCCSP ' 08)2008年3月,页1542 - 1547。视图:出版商的网站|谷歌学术搜索
36. r·w·皮卡德、大肠Vyzas和j·希利,“向机情商:情感生理状态的分析,“IEEE模式分析与机器智能,23卷,不。10日,1175 - 1191年,2001页。视图:出版商的网站|谷歌学术搜索
37. 和w·p·埃克曼,r . w . Levenson诉弗“自主神经系统活动情感之间的区别,”科学,卷221,不。4616年,第1210 - 1208页,1983年。视图:谷歌学术搜索
38. f .韩起澜,a . Batliner和e·诺斯“实时识别的情感与生理信号,用户状态”第二届国际会议在情感计算和智能交互罗迪·考伊,页1 - 8,de防治工作程序,2007年。视图:谷歌学术搜索
39. j . Anttonen诉Surakka,“情感和心率坐在椅子上,“程序的技术、安全、Community-Conference计算系统的人为因素2005年4月,页491 - 499。视图:谷歌学术搜索
40. c·m·琼斯和t . Troen“生物价和唤起识别,”澳大拉西亚的人机交互会议程序(OZCHI ' 07)2007年11月,页191 - 194。视图:谷歌学术搜索
41. r . l . Mandryk k . m . Inkpen, t·w·卡尔弗特,“使用听技术来衡量用户体验与娱乐技术,”行为与信息技术,25卷,不。2、141 - 158年,2006页。视图:出版商的网站|谷歌学术搜索
42. g . n . Yannakakis惠普马丁内斯,哈,“对情感相机控制游戏”,用户建模和User-Adapted交互,20卷,不。4、313 - 340年,2010页。视图:出版商的网站|谷歌学术搜索
43. r·考伊e . Douglas-Cowie s Savvidou e·麦克马洪m . Sawey和m·施罗德“FEELTRACE:记录实时感知情感的工具,”学报iSCA研讨会演讲和情感,19到24,2000页。视图:谷歌学术搜索

版权

版权©2012 Foteini Agrafioti等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。